亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

GRNet: a graph reasoning network for enhanced multi-modal learning in scene text recognition

计算机科学 场景图 视觉推理 人工智能 特征(语言学) 图形 背景(考古学) 语义学(计算机科学) 先验概率 自然语言处理 理论计算机科学 贝叶斯概率 语言学 古生物学 哲学 程序设计语言 渲染(计算机图形) 生物
作者
Zeguang Jia,Jianming Wang,Rize Jin
出处
期刊:The Computer Journal [Oxford University Press]
卷期号:67 (12): 3239-3250 被引量:1
标识
DOI:10.1093/comjnl/bxae085
摘要

Abstract Recent advancements in scene text recognition have predominantly focused on leveraging textual semantics. However, an over-reliance on linguistic priors can impede a model’s ability to handle irregular text scenes, including non-standard word usage, occlusions, severe distortions, or stretching. The key challenges lie in effectively localizing occlusions, perceiving multi-scale text, and inferring text based on scene context. To address these challenges and enhance visual capabilities, we introduce the Graph Reasoning Model (GRM). The GRM employs a novel feature fusion method to align spatial context information across different scales, beginning with a feature aggregation stage that extracts rich spatial contextual information from various feature maps. Visual reasoning representations are then obtained through graph convolution. We integrate the GRM module with a language model to form a two-stream architecture called GRNet. This architecture combines pure visual predictions with joint visual-linguistic predictions to produce the final recognition results. Additionally, we propose a dynamic iteration refinement for the language model to prevent over-correction of prediction results, ensuring a balanced contribution from both visual and linguistic cues. Extensive experiments demonstrate that GRNet achieves state-of-the-art average recognition accuracy across six mainstream benchmarks. These results highlight the efficacy of our multi-modal approach in scene text recognition, particularly in challenging scenarios where visual reasoning plays a crucial role.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刘烨完成签到 ,获得积分10
14秒前
19秒前
正直的爆米花完成签到 ,获得积分10
21秒前
Akim应助开拖拉机的芍药采纳,获得10
24秒前
渥鸡蛋发布了新的文献求助10
26秒前
科研通AI2S应助科研通管家采纳,获得10
42秒前
jasmine完成签到,获得积分10
58秒前
bastien完成签到,获得积分10
1分钟前
1分钟前
大模型应助NEKO采纳,获得10
1分钟前
量子星尘发布了新的文献求助10
1分钟前
1分钟前
端庄的冰之完成签到,获得积分10
1分钟前
1分钟前
1分钟前
沐浠完成签到 ,获得积分10
1分钟前
NEKO发布了新的文献求助10
2分钟前
2分钟前
2分钟前
SciGPT应助NEKO采纳,获得30
2分钟前
科研通AI6应助科研通管家采纳,获得10
2分钟前
3分钟前
3分钟前
3分钟前
3分钟前
英姑应助Wang采纳,获得10
4分钟前
安详雅绿完成签到,获得积分10
4分钟前
无极2023完成签到 ,获得积分0
4分钟前
4分钟前
4分钟前
兼听则明完成签到,获得积分10
4分钟前
迷途小书童完成签到,获得积分10
4分钟前
5分钟前
NEKO发布了新的文献求助30
5分钟前
ramshoshi完成签到,获得积分10
5分钟前
Damon完成签到,获得积分10
5分钟前
Lexi完成签到,获得积分10
5分钟前
烟花应助江洋大盗采纳,获得10
5分钟前
5分钟前
江洋大盗发布了新的文献求助10
5分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Clinical Microbiology Procedures Handbook, Multi-Volume, 5th Edition 临床微生物学程序手册,多卷,第5版 2000
人脑智能与人工智能 1000
King Tyrant 720
Silicon in Organic, Organometallic, and Polymer Chemistry 500
Principles of Plasma Discharges and Materials Processing, 3rd Edition 400
El poder y la palabra: prensa y poder político en las dictaduras : el régimen de Franco ante la prensa y el periodismo 400
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 计算机科学 有机化学 物理 生物化学 纳米技术 复合材料 内科学 化学工程 人工智能 催化作用 遗传学 数学 基因 量子力学 物理化学
热门帖子
关注 科研通微信公众号,转发送积分 5603300
求助须知:如何正确求助?哪些是违规求助? 4688366
关于积分的说明 14853414
捐赠科研通 4689412
什么是DOI,文献DOI怎么找? 2540611
邀请新用户注册赠送积分活动 1506982
关于科研通互助平台的介绍 1471608