引言
摘要
场景文本识别（STR）由于其广泛的应用，一直是计算机视觉领域的研究热点。现有的研究主要集中在学习一个通用的模型，用大量的合成文本图像来识别无约束的场景文本，并取得了实质性的进展。然而，这些方法在许多实际场景中并不十分适用：1）需要较高的识别精度，而2）缺少标记样本。为了解决这一挑战性问题，本文提出了一种在合成源域（具有多个合成标记样本）和一个特定目标域（只有一些或几个真实标记样本）之间建立序列自适应的方法。这是通过一种注意机制同时学习每个字符的特征表示，并通过对抗性学习建立相应的字符级潜在子空间。我们的方法可以最大限度地减少源域和目标域之间的字符级混淆，从而在目标域中即使只有少量的标记样本也能实现序列级的自适应。在各种数据集上的大量实验表明，我们的方法明显优于精细调整方案，并且获得了与最新STR方法相当的性能