检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

面向多角度文字检测的旋转交并比神经网络

计算机应用与软件 2023年第2期40卷 230-235页

作者：姚宏扬仝明磊施漪涵上海电力大学电子与信息工程学院上海200090

边界框回归是文字检测中关键的步骤,为了更好地预测边界框和收敛网络参数,在Faster RCNN目标检测算法的基础上提出一种利用旋转交并比损失函数的神经网络。该损失函数根据文字检测的评价指标而设计,增加预测框的角度参数,将其与宽和高... 详细信息

边界框回归是文字检测中关键的步骤,为了更好地预测边界框和收敛网络参数,在Faster RCNN目标检测算法的基础上提出一种利用旋转交并比损失函数的神经网络。该损失函数根据文字检测的评价指标而设计,增加预测框的角度参数,将其与宽和高的参数一起代入损失函数的惩罚项,代替了原版用于边界框回归的smooth L1损失函数,转化为交并比的损失向神经网络进行反向传播,并着重优化边界框的方向信息,通过设计与角度惩罚项相同的阈值运算作为非极大值抑制来输出检测结果。在公开文字检测数据集ICDAR2015上的实验结果表明,该方法有效提高了网络的收敛速度和检测精准度,比原方法综合提升11百分点左右。

关键词：文字检测神经网络损失函数边界框回归交并比

在线全文

学校读者我要写书评

暂无评论

聚焦难样本的区分尺度的文字检测方法

浙江大学学报（工学版） 2019年第8期53卷 1506-1516页

作者：林泓卢瑶瑶武汉理工大学计算机科学与技术学院

针对卷积神经网络中间特征层信息利用不充分,以及不区分尺度和难易样本的学习所导致的文字检测精度难以提高的问题,提出基于多路精细化特征融合的聚焦难样本的区分尺度的自然场景文字检测方法.构建多路精细化的卷积神经网络融合层提取... 详细信息

针对卷积神经网络中间特征层信息利用不充分,以及不区分尺度和难易样本的学习所导致的文字检测精度难以提高的问题,提出基于多路精细化特征融合的聚焦难样本的区分尺度的自然场景文字检测方法.构建多路精细化的卷积神经网络融合层提取高分辨率特征图;按照文字标注矩形框的较长边的尺寸,将文字实例划分为3种尺度范围,并分布到不同的候选框提取网络中提取相应的候选框;设计聚焦损失函数对难样本进行重点学习以提高模型的表达能力并得到目标文字框.实验表明,所提出的多路精细化特征提取方法在COCO-Text数据集上的文字召回率较高,聚焦难样本的区分尺度的文字检测方法在ICDAR2013、ICDAR2015标准数据集上的检测精度分别为0.89、0.83,与CTPN、RRPN等方法相比,在多尺度多方向的自然场景图像中具有更强的鲁棒性.

关键词：深度学习自然场景文字检测特征融合难样本聚焦损失

在线全文

学校读者我要写书评

暂无评论

面向复杂版面文档图像的高精度文字检测

面向复杂版面文档图像的高精度文字检测

作者：伍思航华南理工大学

学位级别：硕士

在如今信息化的大数据时代,人们利用计算机视觉技术来获取文档中的信息,从而对文档进行数字化的处理、存储、组织与分析。文字检测通常是文档数字化的首要步骤,也是后续文本识别、编辑和检索等任务的重要基础。本文详细介绍了文字检测... 详细信息

在如今信息化的大数据时代,人们利用计算机视觉技术来获取文档中的信息,从而对文档进行数字化的处理、存储、组织与分析。文字检测通常是文档数字化的首要步骤,也是后续文本识别、编辑和检索等任务的重要基础。本文详细介绍了文字检测和相关目标检测领域的发展历程和主流算法,深入分析现有方法在复杂版面文档图像上文字检测的局限性。虽然大多主流算法在自然场景文本检测上已经达到较好的性能,但在段落多栏布局,以及文本密集排布、双列夹注、极端尺度和旋转倾斜等复杂版面的文档上,检测不准确且容易漏检文本。本文围绕复杂版面文档图像的文字检测展开深入的分析与研究,并结合前沿主流的方法,致力于提高检测算法的精确度。本文的主要研究工作和创新如下:(1)针对古籍文档图像的单字检测中,在较高的交并比(Intersection over Union,Io U)阈值下精度不足的问题,本文提出了一种新颖的基于强化学习(Reinforcement Learning,RL)的古籍文档高精度文字检测方法。本文将文字检测边界框的精调建模为离散的马尔科夫决策过程,并通过RL模型进行逐步微调,使得文字区域更加紧密。本文通过结合文本独有的特点,设计了基于RL的文字检测框架,包括全卷积主干网络和奖励函数等。实验表明本文方法可有效改善多种检测方法在高Io U阈值下的检测精度。(2)针对多种复杂版面文档图像的文字检测,本文提出一种基于集合预测(Set Prediction)的文档高精度文字检测新方法。本文通过设置少量可学习的查询向量(Query),并结合文本独有的特点构造基于自注意力机制的编码器(Transformer)以及共享多层感知器等改进,实现多方向文本行的检测和分割。此外,本文方法采用级联的结构迭代优化检测结果,在文本行尺度变化大、密集和倾斜等情况下保持较高的检测精度。实验表明,本文方法在多种复杂版面文档以及自然场景等多个数据集都取得较好的性能。同时,本文对比分析多种主流检测算法,可以给相关领域研究人员和工程人员提供一些参考。

关键词：深度学习文字检测高精度

基于Faster-RCNN的古籍图像文字检测研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

新世纪图书馆 2022年第11期 61-66页

作者：谢恩泽吴政倪劼南京图书馆江苏南京210018

古籍图像文字检测是识别的基础,利用信息技术手段实现古籍图像单个文字检测,对于古籍文字识别具有重要意义。本研究以南京图书馆藏古籍文献作为样本展开实践,首先,对古籍文献数据进行图像采集,将采集到的数据进行人工标注;然后,提出基于... 详细信息

古籍图像文字检测是识别的基础,利用信息技术手段实现古籍图像单个文字检测,对于古籍文字识别具有重要意义。本研究以南京图书馆藏古籍文献作为样本展开实践,首先,对古籍文献数据进行图像采集,将采集到的数据进行人工标注;然后,提出基于Faster-RCNN算法进行优化,并构建数据集进行训练;最后,通过Vgg16和ResNet101骨干网络对比,发现更深层次的ResNet101骨干网络结构能够提升文字检测精度,样本检测精确率为99.74%,召回率为96.80%,f值为98.25%。实验表明,基于Faster-RCNN算法能实现古籍图像文字有效检测。

关键词：古籍数字化文字检测 Faster-RCNN

基于自注意力机制的端到端场景文字检测与识别方法研究

在线全文

学校读者我要写书评

暂无评论

基于自注意力机制的端到端场景文字检测与识别方法研究

作者：郑胜北京交通大学

学位级别：硕士

文字是人类文明的产物,蕴含着准确且丰富的高层语义信息,传达人类的思想和情感,是人们交流、信息传递和互动的主要方式之一。自然场景文字检测与识别任务,也可称为场景文字提取,其目标是从自然场景图像中获取文字信息,包括文字区域的定... 详细信息

文字是人类文明的产物,蕴含着准确且丰富的高层语义信息,传达人类的思想和情感,是人们交流、信息传递和互动的主要方式之一。自然场景文字检测与识别任务,也可称为场景文字提取,其目标是从自然场景图像中获取文字信息,包括文字区域的定位以及文字内容的识别。由于场景文字检测与识别技术在实际应用中发挥着重要作用,例如实时翻译、自动驾驶、图像检索等,如何准确并且高效地从场景图像中提取文字信息一直以来都是研究的热点。早期场景文字提取采用级联的框架,由独立训练的场景文字检测模型和场景文字识别模型构成。近年来,随着深度学习的兴起,基于多任务学习的端到端场景文字检测识别框架成为研究的主流。和传统的扫描文档光学字符信息提取相比,场景文本因其图像的采集方式较为随意以及文本形式变化多样等原因,面临着更多的挑战。本文根据自然场景图像的特点,对端到端场景文字提取技术展开研究,取得了以下研究成果:首先,提出了一种空间注意力增强的端到端场景文字提取网络。现有的端到端场景文字提取模型,识别分支由于没有充分利用特征图的空间信息,导致倾斜文本以及不规则文本识别效果较差。同时,由于自然场景图像背景多元复杂,对检测以及识别都造成一定的干扰。本文提出的模型,在现有基于自注意力机制的文字识别模型基础上,使用二维注意力机制构建文字识别分支,充分利用二维文本图像特征图的空间分布信息。同时,针对倾斜文本和不规则文本特征图存在较多背景信息干扰的问题,本文提出一个空间注意力增强模块,将前景背景信息融合到识别分支的注意力计算中,提升识别分支对于文本和非文本区域的区分能力。实验表明,二维注意力识别分支和空间注意力增强模块有效提升模型对倾斜文本和不规则文本的信息提取能力,并且在主流数据集上的测试结果整体优于当前最好模型。其次,提出了一种基于教师-学生模型的端到端场景文字提取框架。在倾斜文本和不规则文本特征图存在较多背景信息干扰的问题上,提供另外的解决思路。针对第一个研究点空间注意力增强模块依赖前景背景预测的局限性,本文利用知识蒸馏的思想,在文字识别分支上构建教师-学生网络模型,教师模型通过利用前景背景的标签信息进行空间注意力增强并在训练阶段指导学生模型进行优化使其隐式学习到背景抑制的能力。在测试阶段,只需保留学生模型进行预测。实验表明,本文提出的基于教师-学生模型的端到端场景文字提取框架能够有效提升识别分支对于背景的抑制能力,在不依赖显式的注意力增强前提下,性能也能达到第一个研究点的水平。

关键词：自然场景图像端到端提取文字检测文字识别深度学习

BHS-CTPN:一种自然场景下的化验单文字检测方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机应用与软件 2022年第9期39卷 206-212页

作者：黄庆浩吕学强何健游新冬北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京洛奇智慧医疗科技有限公司北京100015 清华大学互联网产业研究院北京100084

针对存在的化验单文字检测方法效果无法达到实用标准以及敏感信息区域无法有效过滤的问题,提出一种自然场景下的化验单文字检测方法(BHS-CTPN)。BHS-CTPN方法引入BRISK、Hough、Sauvola等一系列预处理方法进行化验单矫正、敏感信息区域... 详细信息

针对存在的化验单文字检测方法效果无法达到实用标准以及敏感信息区域无法有效过滤的问题,提出一种自然场景下的化验单文字检测方法(BHS-CTPN)。BHS-CTPN方法引入BRISK、Hough、Sauvola等一系列预处理方法进行化验单矫正、敏感信息区域去除和图像增强。同时在特征提取时卷积核的设计、anchor设定和文本框合并等方面来改进CTPN网络模型。BHS-CTPN方法与CTPN模型相比,准确率、召回率、F1值分别提升8%、10%、9%;与目前化验单文字检测领域效果最好的华为API接口相比,准确率、召回率、F1值分别提升6%、3%、5%。大量实验结果表明,BHS-CTPN方法能够有效准确地检测到自然场景下化验单文本位置,为后期文字识别和化验单解读奠定坚实的基础。

关键词：自然场景化验单文字检测预处理 CTPN

基于表观与轮廓分析的自然场景任意形状文字检测

在线全文

学校读者我要写书评

暂无评论

基于表观与轮廓分析的自然场景任意形状文字检测

作者：朱一秦华南理工大学

学位级别：硕士

文字作为传递和承载信息的重要媒介,广泛地存在于人们的日常生活中。场景文字检测是模式识别和计算机视觉的重要研究方向之一,具有非常广阔的应用空间,它在例如教育、金融、医疗、无人驾驶和元宇宙等诸多领域中有着巨大的影响力。然而,... 详细信息

文字作为传递和承载信息的重要媒介,广泛地存在于人们的日常生活中。场景文字检测是模式识别和计算机视觉的重要研究方向之一,具有非常广阔的应用空间,它在例如教育、金融、医疗、无人驾驶和元宇宙等诸多领域中有着巨大的影响力。然而,场景文字检测依然面临着诸多挑战:一方面,场景文字容易受到光照、模糊、透视形变和杂乱的背景等表观因素的影响;另一方面,场景文字本身也是千变万化的,有着不同的长宽比、语言类型及轮廓形状。本文针对文本图像的表观光照问题和轮廓建模问题开展了一系列研究:(1)基于表观分析的低光增强方法:本论文针对低光环境下,文本信息难以被捕捉的问题,提出了多尺度的低光照图像增强方法。该方法能够模拟低光环境下的成像模型,同时考虑图像的结构信息和纹理信息,从而预测图像的光照分量和噪声分量,达到自适应增强低光文本图像,消除低光环境的影响,使得其中的文字信息得以显现的效果。实验表明,该方法能够增强各类文本检测算法在低光文本图像数据集上的检测效果。(2)基于轮廓分析的文本检测方法:本文针对任意形状场景文字的轮廓建模问题,提出傅里叶轮廓表征对任意形状的文本包围框进行建模。理论上,该模型可以拟合任意形状的闭合曲线。此外,还设计了傅里叶轮廓表征网络,该网络利用深度神经网络对相关特征进行提取和分类,并预测文本实例的傅里叶特征向量,再通过傅里叶逆变换形成时域的检测框,达到在自然场景中检测任意形状文本的目的。该方法在多个文本检测数据集上取得了最优的表现。(3)工程实现与性能优化:本文对所提出的方法进行进一步的优化,提升了算法性能同时降低了工程落地的难度。具体而言,该实现以深度学习框架Py Torch和MMOCR为基础,合理构建全自动化的处理流程,并使用快速傅里叶变换以降低算法的计算复杂度,使得本文所提出的方法在性能和速度上有了进一步提升。

关键词：低光照图像增强轮廓建模文字检测深度学习

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的场景文字检测研究进展

华东师范大学学报（自然科学版） 2018年第5期 1-16页

作者：余若男黄定江董启文华东师范大学数据科学与工程学院上海200062

在大数据驱动应用的背景下,随着计算机硬件性能的提高,基于深度学习的目标检测和图像分割算法冲破了传统算法的瓶颈,成为当前计算机视觉领域的主流算法.而场景文字检测任务受到目标检测和图像分割算法发展的影响,近年来也有了极大的突破... 详细信息

在大数据驱动应用的背景下,随着计算机硬件性能的提高,基于深度学习的目标检测和图像分割算法冲破了传统算法的瓶颈,成为当前计算机视觉领域的主流算法.而场景文字检测任务受到目标检测和图像分割算法发展的影响,近年来也有了极大的突破.这篇综述的目的主要有3个方面:介绍近5年场景文字检测工作进展;比较分析先进算法的优点及不足;总结该领域相关的基准数据集和评价方法.

关键词：文字检测深度学习自然场景目标检测图像分割

在线全文

学校读者我要写书评

暂无评论

一种图像中的文字区域检测新方法

西安电子科技大学学报 2013年第6期40卷 187-192页

作者：李英田春娜颜建强庄怀宇李相威西安电子科技大学电子工程学院陕西西安710071 中国移动通信集团广东有限公司广东广州510623

利用文字区域纹理的方向性,提出了一种结合Gabor纹理特征和神经网络分类器的图像文字区域检测算法.首先,通过不同方向和尺度下的Gabor特征来描述原始图像中文字区域的方向性纹理;然后,将文字区域和非文字区域的Gabor特征输入到前馈神经... 详细信息

利用文字区域纹理的方向性,提出了一种结合Gabor纹理特征和神经网络分类器的图像文字区域检测算法.首先,通过不同方向和尺度下的Gabor特征来描述原始图像中文字区域的方向性纹理;然后,将文字区域和非文字区域的Gabor特征输入到前馈神经网络,来训练文字区域分类器,训练好的分类器用于图像和视频中文字区域的检测.实验结果表明,该算法显著提高了文字区域检测算法的准确性和鲁棒性,对中、英文等多语种的文字区域检测均有较好效果.

关键词：文字检测 Gabor特征神经网络