论文地址： https://arxiv.org/pdf/2009.10874.pdf
摘要
近年来，基于自注意的场景文本识别方法受到Transformer的启发，取得了优异的性能。但是，我们发现模型的尺寸随着词汇量的增加而迅速增大。其中，softmax分类层和输出嵌入层的参数数量与词汇量大小成正比。它阻碍了轻量级文本识别模型的开发，特别是针对中文和多种语言的文本识别模型。因此，我们提出了一种轻量级的场景文本识别模型——汉明OCR。在该模型中，提出了一种新的汉明分类器来代替softmax回归，并采用locality sensitive hashing (LSH)算法对每个字符进行编码，生成的LSH代码直接用于替换嵌入输出。我们还提出了一种简化的变压器解码器，以减少参数的数量，消除前馈网络和使用跨层参数共享技术。
与传统方法相比，分类层和嵌入层的参数数量都独立于词汇量的大小，在不损失准确性的前提下，大大降低了存储需求。在4个公共基准和SynthText1合成的超过20,000个字符的中文文本数据集上的实验结果表明，汉明OCR取得了较好的效果。
2. 模型
