检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

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与识别

中国科学：信息科学 2018年第5期48卷 531-544页

作者：白翔杨明锟石葆光廖明辉华中科技大学电子信息与通信学院武汉430074

场景文字检测与识别是一种通用文字识别技术,已成为近年来计算机视觉与文档分析领域的热点研究方向.其被广泛应用于地理定位、车牌识别、无人驾驶等领域.相对于传统的文档文字检测和识别,场景文字在字体、尺度、排布、背景等方面变化更... 详细信息

场景文字检测与识别是一种通用文字识别技术,已成为近年来计算机视觉与文档分析领域的热点研究方向.其被广泛应用于地理定位、车牌识别、无人驾驶等领域.相对于传统的文档文字检测和识别,场景文字在字体、尺度、排布、背景等方面变化更加剧烈,深度学习技术也由于卓越的性能成为该领域的主流方法.本文主要回顾了作者基于深度学习在此领域取得的代表性成果,并对此领域未来研究趋势进行了展望.

关键词：深度学习场景文字文字检测文字识别计算机视觉

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于特征融合的自然场景文字检测方法研究

基于特征融合的自然场景文字检测方法研究

作者：卢瑶瑶武汉理工大学

学位级别：硕士

自然场景图像中的文字检测是计算机视觉领域的一项重要研究内容。由于自然场景的复杂性、文字本身多样性以及图像质量等因素的影响,该类图像的文字检测任务具有挑战性。本课题围绕深度学习的自然场景图像文字检测展开研究和改进,提出多... 详细信息

自然场景图像中的文字检测是计算机视觉领域的一项重要研究内容。由于自然场景的复杂性、文字本身多样性以及图像质量等因素的影响,该类图像的文字检测任务具有挑战性。本课题围绕深度学习的自然场景图像文字检测展开研究和改进,提出多尺度任意方向的自然场景文字检测方法。主要研究内容和创新如下:（1）研究多尺度特征融合的特征提取方法。针对文字特征提取阶段未充分利用卷积各中间层信息的问题,提出一种多尺度特征精细化融合的特征提取方法。该方法基于特征金字塔FPN结构,在残差网络ResNet50中加入全局平均池化层GAP进行预训练以得到更多的全局信息同时降低过拟合,以多尺度输入的特征精细化融合网络RefineNet作为FPN的横向连接模块,得到特征表示更充分的模型用于后续检测任务。实验表明多尺度特征精细化融合方法提高了检测精度,并为后续文字检测提供了技术支撑。（2）研究划分文字尺度的水平文字检测方法。针对单一尺寸特征图难以适应多尺度文字检测的问题,提出一种基于文字尺度划分的水平文字检测方法。考虑不同尺度的特征图对文字尺度的敏感度不同,按文字标注框长边将文字划分为三种尺度范围,将不同尺度范围内的标注框分散到三个候选区域提取网络RPN中进行训练,对其后的三个预测网络的检测结果进行合并和去重,得到分层检测模型以适应尺度变化较大的文字,实验表明划分尺度的方法提高了水平方向的文字检测精度。（3）研究聚焦难样本损失的任意方向文字检测方法。针对水平检测框难以贴合真实文字排布方向及特征旋转变化的问题,在划分尺度的水平文字检测模型的回归网络中增加旋转对称的角度通道,实现了任意方向上的文字检测。针对模型训练过程中难样本学习不充分的问题,将难样本问题扩展为难分类和难回归两个问题,分别设计聚焦难样本的损失函数,重点学习难样本特征以提高模型的分类准确率和定位准确率。实验表明增加角度训练和聚焦难样本损失的方法提高了多方向上的文字检测精度。

关键词：自然场景文字检测特征融合划分尺度聚焦损失

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

端到端的自然场景文字检测与识别研究

端到端的自然场景文字检测与识别研究

作者：付童北京交通大学

学位级别：硕士

文字是信息交流和文化传承的主要方式,其在人类社会中扮演着极其重要的角色。自然场景中的图像中通常包含了丰富的文字信息,准确而高效地提取这些文字信息有助于我们对图像及场景的理解。近年来,随着深度学习的发展,自然场景的文字检测... 详细信息

文字是信息交流和文化传承的主要方式,其在人类社会中扮演着极其重要的角色。自然场景中的图像中通常包含了丰富的文字信息,准确而高效地提取这些文字信息有助于我们对图像及场景的理解。近年来,随着深度学习的发展,自然场景的文字检测和识别技术受到越来越多研究人员的关注。传统的自然场景文字提取技术通常分为两个独立的部分:文字检测分支和文字识别分支,这两个分支通常会被分别实现并执行,这种方式虽然看似简单,但也带来了很多先验知识的损失。文字检测和文字识别是两个互补的任务,我们可以让这两个任务共享卷积计算,利用它们之间的互补监督信息来学习更加通用的图像特征,提高整个文字识别网络的速度和准确度。本文的主要研究内容是端到端的文字检测与识别网络。本文提出的网络是基于当今性能较好的端到端文字检测及识别网络FOTS改进而来的,FOST的检测分支存在特征提取能力较弱、感受野不足和样本权重不平衡等缺点,从而导致其对长文本的检测能力较弱、模型精度不高等问题。针对上述问题,本文在网络结构和损失函数方面对其进行了改进。网络结构方面,我们采用Res Net-50替换VGG-16以增强网络的特征提取能力,同时添加ASPP结构来增大网络的感受野,使其对长文本的检测效果更好;损失函数方面,我们使用了Dice loss作为文字检测分支的分类损失函数,并对不同尺度文字区域的权重进行了平衡处理,有效提高了整个端到端文字检测和识别网络的精度和效果。最后,我们在公开的基准数据集和实际工程项目中的少数民族语数据集上对本文提出的网络进行了实验。实验证明,本文提出的端到端网络的性能达到了先进水平,具有较强的研究和实用价值。

关键词：文字检测文字识别端到端深度学习少数民族语文字

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与识别

基于深度学习的场景文字检测与识别

作者：温佳林电子科技大学

学位级别：硕士

文字检测与识别一直是计算机视觉以及图像处理的重要研究方向,场景文字,也即自然场景图片中的文字,对其进行检测与识别更是当下的研究热点,场景文字的检测与识别具有巨大的研究和应用价值,它对于图像中所包含的高级语义信息有很好的研... 详细信息

文字检测与识别一直是计算机视觉以及图像处理的重要研究方向,场景文字,也即自然场景图片中的文字,对其进行检测与识别更是当下的研究热点,场景文字的检测与识别具有巨大的研究和应用价值,它对于图像中所包含的高级语义信息有很好的研究。在实际生活场景中,场景文字检测和识别技术有着很广泛的应用,如自动驾驶、车牌识别、智能导航、无人超市等。场景文字检测与识别的研究已经进行了多年,并且取得了大量的研究成果。但是自然场景下的文字受到其背景、尺度、字体、文本框形状、方向、图片质量等方面的影响,对场景文字检测与识别带来一定的困难。直至今日,具有不规则形状的场景文字检测与识别以及文本紧邻的场景文字检测与识别依旧是研究的热点难题。近年来,深度学习和神经网络在计算机视觉、图像处理等领域取得了巨大的成功,本文基于深度学习分别对场景文字检测工作和识别工作进行研究,论文中主要的工作内容如下:1.检测网络首先对场景文字图片进行预处理,对图像进行增强和降噪。预处理的作用是使网络能够更好地对图片的特征进行提取,以助后续的检测。2.检测网络使用基于FPN结构的残差网络对图像的特征进行提取融合,然后通过多个卷积层进行分类得到了多个不同大小同一文本的预测结果,将最小的预测结果逐步扩大至最大的预测结果,这样能够很好地分割相邻文本实例,并最终得到图片中文本的检测结果。3.识别网络对不规则的场景文本进行了矫正,首先定位文本的控制点,再通过计算像素点间的TPS参数变换,找到矫正图片中的像素点坐标位置在原图片对应的像素点位置,最后生成矫正后的图像。4.识别网络使用序列到序列模型作为基础,先使用深层的残差网络提取图片的特征并将特征转换为序列,通过BiLSTM对提取到的特征序列进行编码,最后使用基于attention机制的双向LSTM解码器输出得到最终的识别结果。本文分别对场景文字检测和识别构建网络,并通过实验分析证明了两个网络性能的优异性。

关键词：文字检测文字识别循环神经网络卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的甲骨文字检测与提取技术研究

基于深度学习的甲骨文字检测与提取技术研究

作者：陈双浩郑州大学

学位级别：硕士

甲骨文破译是甲骨学领域一项重要的研究内容,长期受到世界各地甲骨学研究学者的广泛关注。甲骨文字检测是字符破译的前提工作,目标是从甲骨片上定位字符的位置并确定相应类别。目前,这些工作需要甲骨学专家的参与手动完成,占用宝贵的专... 详细信息

甲骨文破译是甲骨学领域一项重要的研究内容,长期受到世界各地甲骨学研究学者的广泛关注。甲骨文字检测是字符破译的前提工作,目标是从甲骨片上定位字符的位置并确定相应类别。目前,这些工作需要甲骨学专家的参与手动完成,占用宝贵的专家资源且效率低下。另一方面,由于长期的自然腐蚀,拓片表面充斥着大量的噪声和各种各样的裂痕干扰,严重阻碍甲骨文字的可视性,不利于后续甲骨文字检测与识别工作,限制甲骨学的进一步推广。论文结合深度学习技术与机器学习理论,围绕甲骨文字检测与提取工作展开深入研究,具体内容如下:针对甲骨文字检测,论文提出了一种简单且有效的甲骨字符检测器,该检测器采用非锚点框设计,使用自适应形状高斯核表示甲骨字符的空间区域,将甲骨字符的检测转换为对应高斯图的预测。其次,为避免部分字符之间排列紧密导致的区域重叠问题,字符区域分别以多个不同尺度的高斯核进行表示。最后,基于这些不同尺度的高斯核预测,采用一系列简单的图像后处理操作得到精确的字符边界框。针对甲骨文字提取,论文首先构造一个像素水平的甲骨文临摹数据集,为字符提取工作提供数据基础。紧接着,构建了一个专门的甲骨字符提取模型。该模型充分利用基于分割方法的背景噪声去除能力和基于生成方法的结构信息描述能力,将甲骨字符提取任务视为图像到图像转换任务,其次,以生成对抗网络为模型的基础骨架,将分割网络嵌入编码器网络以消除拓片背景噪声的影响,以期建立更为准确的拓片图像与对应甲骨字符图像间的映射关系。最后,为获取内容完整且细节清晰的生成结果,使用全局和局部判别器对生成的甲骨字符图像进行一致性判别。

关键词：甲骨文深度学习文字提取文字检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

藏汉双语自然场景文字检测与识别系统

藏汉双语自然场景文字检测与识别系统

作者：李金成西北民族大学

学位级别：硕士

随着智能科技的飞速发展,许多应用都需要场景中丰富的文字信息,例如自动驾驶,交通监控和智慧城市建设等。而对于场景图像中的文字,其文字类型不一、背景复杂、形状多样、尺度多变、容易受物理因素的影响等,使得场景文字检测和识别的难... 详细信息

随着智能科技的飞速发展,许多应用都需要场景中丰富的文字信息,例如自动驾驶,交通监控和智慧城市建设等。而对于场景图像中的文字,其文字类型不一、背景复杂、形状多样、尺度多变、容易受物理因素的影响等,使得场景文字检测和识别的难度远大于传统的扫描文档图像。因此自然场景图像中的文字检测与识别是一项很具有挑战性的任务,已成为人工智能技术的重要研究分支。在中国藏区,藏汉双语场景随处可见,如商户牌匾、道路指示牌、报刊资料等,它们承载着教育、宣传、信息可视等重要任务,在人们的学习生活中发挥重要作用。现有场景文字检测与识别研究大都集中在汉语、英语等主流语言文字,鲜有同时对场景藏文和汉文识别的研究。本文基于深度学习的场景文字检测与识别研究的基础上,设计并实现一个场景藏汉双语检测与识别系统。主要工作如下:第一,针对没有公开标准藏汉双语场景图像数据集的现状,探索构建藏汉双语场景文本检测与识别数据库的方法和规范,并采用人工标注和人工合成的方法,构建了有9548张用于文字检测的数据集,有71277张用于文字识别的数据集,为藏汉场景文字检测与识别研究奠定了数据基础。第二,提出一种文本实例中心区域边界扩增的文字检测网络模型,实现场景藏汉文本的有效检测。用Res Net作为骨干网络,后接特征金字塔增强模块FPEM,用于增强输入的特征金字塔;使用FPN网络将所有尺度的特征再次连接,以进行特征融合;在组合不同尺度的特征图上,预测矩形文本实例区域、文本实例中心区域、文本实例中心区域边界到完整文本实例边界距离,以便从文本实例中心区域扩增到完整的文本实例。完成对场景图像中任意方向和形状的文本检测。在真实的藏汉双语场景文字检测测试数据集上,所提的方法获得75.47%的精准率。第三,基于卷积循环神经网络和连接时序分类器（CRNN+CTC）的方法,对场景藏汉双语文本行图像进行训练得到识别模型。首先利用卷积神经网络提取输入图像的卷积特征并将其编码成为特征序列,再经过全连接网络对特征序列做加权和。其次,使用一个Bi GRU对每个特征序列进行学习,通过全连接层预测标签的概率分布。最后将预测的标签序列通过CTC映射到藏/汉文单词,获得识别结果。在藏汉双语测试集上获得最好85.31%的单字识别率,有较好的识别性能。第四,设计实现藏汉双语场景文字检测与识别系统。该系统集成所提算法获得的模型,结合前端技术,将用户上传的图像进行文字检测并将检测到的文字区域识别成计算机编码的藏、汉文本,显示到系统界面。通过对不同功能的测试,表明该系统达到了预期的效果、运行流畅且时间复杂度低,有较强的应用价值。

关键词：场景文字藏汉双语文字检测文字识别场景图像数据集

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自然场景中的文字检测关键技术研究

自然场景中的文字检测关键技术研究

作者：殷东雷山东大学

学位级别：硕士

随着信息技术的快速发展,大量的信息以图像、视频的形式进行传播,信息化社会成为社会发展的一种趋势,随之而来的,是海量图像数据的大规模处理问题。在人工智能的推动下,人脸识别、智能安防、智慧交通等技术给人们生活带来了很多便利。... 详细信息

随着信息技术的快速发展,大量的信息以图像、视频的形式进行传播,信息化社会成为社会发展的一种趋势,随之而来的,是海量图像数据的大规模处理问题。在人工智能的推动下,人脸识别、智能安防、智慧交通等技术给人们生活带来了很多便利。相信在不久的将来,图像、视频中的信息提取,一定有着很大的用武之地。在这种条件下,文字检测与识别等技术有着丰富的应用领域和广阔的市场前景,同时也对提出了更高技术的要求。尽管传统的光学字符识别技术已经十分成熟,但自然场景下的文字检测与识别技术还不能满足人们日益增长的需求。本文对图像中的文本区域检测技术进行了探讨,借鉴流行的目标检测算法,在文本区域检测领域进行了应用。本文主要工作如下:1、简要介绍了自然场景下文字区域检测的研究现状,着重介绍了极大稳定值区域,笔画宽度变换和深度学习在这一领域的应用。2、近年来,深度学习理论在目标检测领域被广泛应用,涌现了很多优秀的算法,检测速度和精度都有了很大提高,本文选用了 SSD算法。首先我们对文字区域的特点进行了统计分析,同时对文本框进行了聚类,针对文字区域特点调整模型参数。针对自然场景的复杂性,我们通过合成了部分含有文字区域自然场景图像数据,丰富了训练数据集。我们首先将图像进行分割,得到闭合区域,然后将文字放入到合适的区域中。这种方法可以较好的将文字融合到图像场景中。3、检测到的文字区域内仍然存在一定的噪声干扰,为了更好的进行识别,需要进行进一步处理。根据文字框检测结果,本文利用笔画宽度变换算法,对文字框中的笔画进行提取,过滤了文字框中噪声。笔画宽度变换算法大致分为三步:第一步对图像进行边缘检测,第二步在边缘像素的梯度方向上寻找像素对,对像素对间的像素点进行赋值,第三步对检测到的组件进行过滤。这里我们分别对像素梯度的正方向和反方向进行两次搜索操作,将两次搜索结果中笔画组件数量较多的结果作为笔画组件提取的结果。本文定义了一种组件过滤方法:通过笔画组件中像素赋值的均匀程度,笔画组件包围框中包含其他笔画的数量,笔画组件的长宽比等对组件进行过滤,得到最终的笔画区域。实验表明,这种文字区域检测算法拥有较高的精度,同时在文字区域内进行笔画宽度变换可以一定程度上过滤噪声。

关键词：文字检测笔画宽度变换卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于实例分割的场景图像文字检测

基于实例分割的场景图像文字检测

作者：张小爽浙江大学

学位级别：硕士

作为人类历史上信息传播的重要方式,文字直接承载着丰富而高级的语义信息。自然场景图像中的文字检测,对于场景理解、图像检索、人机交互等视觉任务都有巨大帮助。尽管电子文档图像中的文字检测方法已经较为成熟,但是在更复杂的场景中,... 详细信息

作为人类历史上信息传播的重要方式,文字直接承载着丰富而高级的语义信息。自然场景图像中的文字检测,对于场景理解、图像检索、人机交互等视觉任务都有巨大帮助。尽管电子文档图像中的文字检测方法已经较为成熟,但是在更复杂的场景中,文字检测任务依然面临严峻的挑战。本文中,我们结合近年来非常热门的深度学习技术,对自然场景图像中的文字检测任务进行探究。为了使系统在复杂场景图像中的检测也具有鲁棒性,本文提出了一种基于实例分割思路的文字检测算法。本文中重点关注的检测对象是拉丁文字,检测单元是单词级别的图像块。从流程上,本算法可以分为三个步骤:文字特征图预测、文字实例分割和文字包围框计算。其中,文字特征图包含文字显著性图和文字实例风车图,我们设计了一个多任务的深度全卷积网络模型来预测;文字实例分割是在文字特征图基础上计算而来,我们提出了一个基于图剪枝的图像分割算法来实现;为了与通用检测算法进行对比,我们在文字实例分割的结果上计算了文字实例包围框。在工程上,我们实现了一个基于本算法的场景图像文字检测系统,该系统能够在任意拍摄条件、背景场景、文字形态的图像中,定位文字实例的位置,并输出每个文字实例的包围矩形坐标。本文在ICDAR 2015文字图像数据集上进行实验,计算并分析本算法的精确率、召回率和和谐平均数,结果表明,本文算法在这些衡量指标上均大幅度地优于现有算法,验证了基于实例分割的文字检测算法的有效性和优越性。除此之外,本文论述比较了实例分割算法与通用物体检测算法,并分析了实例分割算法在文字检测问题上的优越性。

关键词：文字检测实例分割深度学习

基于深度学习的任意角度和尺度文字检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的任意角度和尺度文字检测算法研究

作者：段佳琦华中科技大学

学位级别：硕士

文本作为信息交流的载体,是人类文明的重要标志,在自然场景的图像中广泛的存在,如车牌信息、道路指示牌等。文本相较自然场景图像中的其他内容而言,其具有更加准确丰富的信息以及更强的逻辑性。所以如何准确的定位自然图像中文本的位置... 详细信息

文本作为信息交流的载体,是人类文明的重要标志,在自然场景的图像中广泛的存在,如车牌信息、道路指示牌等。文本相较自然场景图像中的其他内容而言,其具有更加准确丰富的信息以及更强的逻辑性。所以如何准确的定位自然图像中文本的位置,是提取、理解与分析信息的关键步骤。在过去的几年中,场景文本检测方法已经取得了很大的进步。但是大的几何差异(如:方向)是场景文本检测中的关键挑战。在本文中,首先进行实验研究了网络在检测场景文本时学习几何变化的能力,并发现网络只能处理有限的文本几何变化。然后,本文提出了一种新颖的具有多个分支的几何规范化模块,每个分支均由一个比例尺归一化单元和一个方向归一化单元组成,以通过至少一个分支将每个文本实例归一化为一个所需的规范几何范围。几何规范化模块是通用的,很容易插入到现有的基于卷积神经网络的文本检测器中,以构建端到端的几何规范化网络。此外,本文提出了一种几何感知训练方案,通过从统一的几何差异分布中采样和扩充文本实例来有效地训练几何规范化网络。最后,在ICDAR 2015和ICDAR 2017 MLT的流行测试集上,本文的方法使用单图片输入测试分别获得88.52和74.54的F-score,明显优于目前所有最新方法。

关键词：卷积神经网络深度学习自然场景归一化文字检测