检索结果-南通市图书馆

基于深度学习的自然场景文字检测与识别方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的自然场景文字检测与识别方法研究

作者：万萌广东工业大学

学位级别：硕士

在自然场景下,人们每天都会接触到特别多的图像,比如广告、宣传海报、路边指示牌、门牌号等等,在这些图像里面,包含了人们所需要的大量文字信息,通过对图像中文字信息的传递,可以使人们交流变得更加方便,也可以更好的去了解这个世界。然... 详细信息

在自然场景下,人们每天都会接触到特别多的图像,比如广告、宣传海报、路边指示牌、门牌号等等,在这些图像里面,包含了人们所需要的大量文字信息,通过对图像中文字信息的传递,可以使人们交流变得更加方便,也可以更好的去了解这个世界。然而,自然场景下的图像具有以下特点:文字语言不同、字体大小不同、排布方向不同、背景信息的干扰,同时图像也常常会受到光线、遮挡等外部因素的干扰,而造成的清晰度不高等等特点。传统的OCR技术目前可以达到很好的准确率,然而它需要图像中文字非常的规整,背景与文字的可分开性高,所以从自然场景图像中提取文字信息是一件非常具有挑战的研究工作。根据自然场景图像的特点,采用目前广泛研究的深度学习方法,从文字检测和文字识别两个方面着手,接下来就是具体的研究工作:(1)文字检测的工作是将图像中文字区域给标注出来,而针对同一文本线上的文字,它的大小、方向、距离都是不同,所以认为预测文字的竖直方向要比水平方向更加容易,最终采用的是CTPN文字检测算法,CTPN是一个基于CNN和RNN结合的检测算法,利用CNN卷积操作提取图像特征,RNN对字符序列的特征识别。(2)完成了文字检测工作后,需要识别标注出来的文本框,本文首先采用的是卷积神经网络DenseNet进行文字识别,针对其它卷积神经的分类对比,可以发现DenseNet最大的特点在于密集连接,能够缓解一定程度的梯度消失问题,还能减少参数量,使计算速度更快,识别效率更高。最后使用CTC算法对识别出的单个字的序列进行切分和整合工作。自然场景文字识别系统在基于Tensorflow和Keras的深度学习框架上实现运行计算,根据训练和测试的过程,能够很好的识别出自然场景图像中的文字信息,和其它方法相比较,文字的识别率得到了提高,表明出CTPN+DenseNet+CTC对自然场景图像的文字识别有比较好的效果。

关键词：自然场景深度学习文字检测文字识别卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向自然场景的交通标志文字检测算法研究

面向自然场景的交通标志文字检测算法研究

作者：左钟融国防科技大学

学位级别：硕士

自卷积神经网络成功应用于计算机视觉领域以来,计算机视觉技术得到了长足的发展。相比于传统人工提取特征的方法而言,神经网络具有更加强大的特征提取能力和回归拟合能力,因此能够满足更高的性能要求。在计算机视觉领域中,许多研究工作... 详细信息

自卷积神经网络成功应用于计算机视觉领域以来,计算机视觉技术得到了长足的发展。相比于传统人工提取特征的方法而言,神经网络具有更加强大的特征提取能力和回归拟合能力,因此能够满足更高的性能要求。在计算机视觉领域中,许多研究工作均是基于公开数据集开展的,而实际场景要远比公开数据集表现的场景复杂,所以,往往要针对具体的需求对已有算法进行修正。本文所设计的用于实际路况场景下的多级交通标志文字检测算法是在通用物体检测算法的基础上进行改进的,达到了工业界实用的要求,具体内容可分为两大部分。第一部分是交通牌文字检测算法的设计,该部分旨在设计一个用于检测交通牌区域中文字的检测器。具体而言,交通牌文字检测算法是在SSD（Single Shot MultiBox Detector）以及RetinaNet的基础上进行开发的,本文首先在SSD上进行改进,然后对改进后的设置进行对比性实验以验证改进的意义,最后将改进的方法迁移到RetinaNet上,取得了更好的实验结果。该部分的改进工作主要分为两点,第一点针对通用物体检测算法NMS（Non-Maximum Suppression）阶段中IOU（Intersection-Over-Union）计算方式不能在保证较高检测精度的条件下抑制框内框现象的问题,将IOU计算方式改为IOB（Intersection-Over-Bounding Box）计算方式;第二点则是针对SSD这种多尺度特征预测的方式,根据不同尺度特征的感受野的不同以及数据集中不同尺度范围内标定框高宽比分布的不同,对不同的预测分支设置不同的高宽比参数,相比于TextBoxes方法而言,检测效果相当,但需要的先验框数量大大减少。第二部分是多级目标检测算法的设计,该部分旨在将交通标志检测算法与交通标志文字检测算法级联起来,形成一个多级交通标志文字检测算法流程。在实际路况场景下采集的图片中,有时候交通标志文字区域所占的面积相比原图而言是非常小的,如果此时直接使用单级文字检测算法作用于原图,检测性能将大打折扣。针对这一问题,本文设计的多级交通标志文字检测算法将首先对原图进行交通标志检测,然后对交通标志检测的结果进行投影变换,根据投影变换后的结果再进行交通标志文字检测,最后将交通标志文字检测的结果映射回原图,得到最终的交通标志文字的检测信息。

关键词：计算机视觉卷积神经网络目标检测文字检测

基于深度学习的复杂场景文字检测与识别算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的复杂场景文字检测与识别算法研究

作者：陈槐嵘东北大学

学位级别：硕士

图像中的文字包含丰富的场景信息,对图像中的文字进行检测与识别是计算机理解图像的关键途径之一,因此,在图像理解、智能交通、无人驾驶等领域都需要对文字进行检测与识别。然而,传统的文字检测与识别主要面向文档图像,这些算法无法直... 详细信息

图像中的文字包含丰富的场景信息,对图像中的文字进行检测与识别是计算机理解图像的关键途径之一,因此,在图像理解、智能交通、无人驾驶等领域都需要对文字进行检测与识别。然而,传统的文字检测与识别主要面向文档图像,这些算法无法直接应用于现实生活中的复杂场景。基于当前文字检测与识别算法的不足,本文采取深度学习的方法,提出了针对复杂场景的中英文文字检测与识别算法。具体的研究内容包含以下几个方面:首先,本文提出了一种基于区域候选框的倾斜文字行检测算法。由于现有文字检测算法的不足,本文重新设计了一种能够检测倾斜文字行的算法。该算法基于卷积神经网络生成的文字区域候选框,用分类子网络的分类特征图对区域候选框进行分类,过滤属于背景区域的候选框,然后用角点回归子网络的位置特征图对剩余的区域候选框的四个角点进行位置回归,使候选框的位置回归到真实文字行的位置,得到最后的文字行检测结果。并且本文构建了一个大规模的中英文文字检测数据集,用于对文字行检测算法进行训练和测试。实验表明,本文的检测算法有优异的检测性能,能够检测出复杂场景中各种角度的倾斜文字行。然后,结合卷积神经网络和循环神经网络对文字行进行识别,并进行三个方面的改进。该算法利用卷积神经网络和循环神经网络进行特征序列的提取和预测。本文对网络重新设计并做了相应的改进,在用于特征提取的卷积神经网络中加入非对称卷积和特征复用,加强神经网络对图片中横向区域的特征提取能力以及更好地获取图像中的细节信息。接着本文在用于序列预测的循环神经网络中加入Attention机制,使得循环神经网络尽量接收与当前输出有关的特征向量作为输入,加强预测能力。此外,本文构建了一个包含中英文的文字识别数据集,用于识别网络的训练和预测。实验结果表明,本文改进后的识别算法有显著的效果,能够准确识别文字行。最后,基于本文提出的文字检测和识别算法,提出了复杂自然场景下进行文字检测和识别的整套流程,用于对自然场景中的图像同时进行文字行的检测和识别。同时本文设计了一款文字检测和识别的软件,可以方便快捷地对图像中的文字进行检测和识别。

关键词：文字检测文字识别深度学习卷积神经网络循环神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

弱光照条件下的场景文字检测研究

弱光照条件下的场景文字检测研究

作者：张超南京大学

学位级别：硕士

随着多媒体技术的发展,图像已成为互联网信息传递的重要载体。图像中包含的文字可以帮助人们快速理解图像中的内容,近年来先后出现了多种场景文字检测的方法。但是,对弱光照场景图像而言,存在诸如低光照、低分辨率、低可识度等缺点,这... 详细信息

随着多媒体技术的发展,图像已成为互联网信息传递的重要载体。图像中包含的文字可以帮助人们快速理解图像中的内容,近年来先后出现了多种场景文字检测的方法。但是,对弱光照场景图像而言,存在诸如低光照、低分辨率、低可识度等缺点,这给弱光照条件下的场景图像文字检测带来了挑战。本文将弱光照条件下的场景文字检测分为弱光照图像增强与场景文字检测这两个环节分别开展研究。首先,针对弱光照图像的增强问题,本文提出了一种基于同态滤波及图像融合的弱光照图像增强方法;其次,在场景文字检测环节,本文提出了一种基于直线云分布与深度学习多特征融合的场景文字检测方法。本文的具体工作如下:(1)针对弱光照场景低光照、低分辨率的问题,本文提出了一种基于同态滤波及图像融合的弱光照图像增强方法。首先,本文将传统同态滤波中的传递函数改为高斯同态滤波函数与全变分模型的结合;接着,对改进后的同态滤波增强图像与基于去雾的增强图像分别计算以每个像素为中心的窗口的平均值与标准差,利用平均值与标准差计算每个像素的权重并对权重调整,将像素权重与像素值相乘取和得到增强图像。最后,本文使用现有的文字检测方法来评测本文弱光照场景图像的增强效果。实验表明,在自建数据集上,本文所提出的图像增强方法与原图相比,对现有文字检测方法SegLink和EAST而言,其文字检测F值分别提高了18.3%和35.6%,表明了本文所提出的弱光照场景图像增强方法的有效性。(2)在弱光照场景图像增强的基础上,本文进一步提出了一种基于直线云分布与深度学习多特征融合的场景文字检测方法。为了获取弱光照图像的文本候选区域,该方法首先通过对融合前和融合后的三张增强图像中的RGB通道分别提取MSER作为文本候选区域,然后使用交并比合并重复的文本候选区域;接着,利用宽高比、面积过滤一部分非文本区域。对于剩下的文本候选区域,本文分别提取基于边缘轮廓信息的直线云分布特征以及基于卷积神经网络的深度学习特征,将两种特征融合并放入支持向量机中训练分类器过滤非文本候选区域得到最终的文本候选区域,并按照规则形成文本行。对于非文本行,本文采取上述类似的方法训练文本行分类器进行过滤。在自建数据集和公开数据集上的实验数据表明,本文提出的弱光照场景图像文字检测取得了较好的结果。

关键词：弱光照图像增强文字检测卷积神经网络直线云分布

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3D点云的曲面文字检测方法研究

基于3D点云的曲面文字检测方法研究

作者：闻治泉西安理工大学

学位级别：硕士

随着深度学习理论和计算机视觉技术的发展,自然场景中的文字检测技术在自动导航、产品识别、语言翻译等方面得到了广泛应用。现有的文本检测方法可以在一定程度上准确地检测自然场景中出现的任意方向、任意大小和任意形状的文字,但对药... 详细信息

随着深度学习理论和计算机视觉技术的发展,自然场景中的文字检测技术在自动导航、产品识别、语言翻译等方面得到了广泛应用。现有的文本检测方法可以在一定程度上准确地检测自然场景中出现的任意方向、任意大小和任意形状的文字,但对药店、超市和化妆品店等普遍存在的瓶装产品上的文字检测效果不佳。本文的研究课题主要针对瓶装产品上的曲面文字的准确检测。针对现有的文字检测方法利用图像的2D信息无法准确检测曲面文字的问题,本文提出了一种基于3D点云的曲面文字检测方法。对采集的瓶装产品图像序列进行三维重建生成曲面瓶装产品的3D点云数据;为了提高文字特征的表述能力,在3D点云空间坐标特征的基础上,融合了瓶装产品上用于区分显著性的RGB颜色特征和笔画宽度(Stroke Width Transform,SWT)特征;为了把已有的图像分割技术应用于3D点云中,采用图绘制技术把3D点云数据映射到伪图像上,然后对伪图像进行基于U-Net网络的文字实例分割;针对3D点云分割结果存在离群点的问题,本文提出了一种细化调整和填充算法,实现了 3D点云分割结果的文字外包围框的精准化处理。本文方法的创新点在于:(1)建立了一个曲面文字数据集,作为曲面瓶装产品的3D文字点云数据集;(2)第一次把3D信息用在曲面文字的检测方面;(3)在3D点云空间坐标特征的基础上,融合了瓶装产品上用于区分显著性的颜色特征和笔画宽度特征,生成了强区分性的融合特征;(4)采用图绘制技术把3D点云数据映射到2D网格内,用点云的融合特征表示网格点的通道特征,生成了便于图像分割的伪图像。为了验证本文方法的有效性,在本文建立的3D文字点云数据集上进行了广泛的实验验证,本文方法的准确率、召回率和调和平均值分别为85.9%、77.5%和81.5%,相对于现有先进的任意形状的文字检测方法Mask TextSpotter、CTD+TLOC、PSENet和CRAFT方法,本文方法的调和平均值分别提升了 7.4%,4.4%,1.1%和0.6%。本文方法的运行速度为3.2 FPS,和现有的场景文本检测方法相比,本文方法的运行速度相当。对手动特征的加入前后进行了消融实验,仅使用3D点云坐标特征,本文方法的调和平均值为78.7%,3D点云特征融合RGB特征和SWT特征之后,本文方法的调和平均值为81.5%,相比之下,加入手动特征之后调和平均值提升了 2.8%。实验结果表明,本文方法可以准确地检测瓶装产品上的曲面文字。

关键词：曲面文字文字检测 3D点云分割分割网络特征融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自然场景下的文字检测技术研究

自然场景下的文字检测技术研究

作者：何星庭重庆邮电大学

学位级别：硕士

自然场景下的文字检测技术作为目标检测领域的研究热点之一,在自动驾驶、盲人阅读、智慧城市、无人超市、生产控制、安防保障、信息提取等领域具有广阔的应用前景。尽管针对文字检测技术已经有丰富研究成果,但是在自然场景的图像中提取... 详细信息

自然场景下的文字检测技术作为目标检测领域的研究热点之一,在自动驾驶、盲人阅读、智慧城市、无人超市、生产控制、安防保障、信息提取等领域具有广阔的应用前景。尽管针对文字检测技术已经有丰富研究成果,但是在自然场景的图像中提取文字并完成文字检测任务,仍然存在诸多挑战。一方面,由于拍摄距离、光照、角度、像素等成像因素的不同,往往导致字体大小和颜色多变,文字倾斜分布。另一方面,场景文字图像中的背景多变,存在较多与文字相近的图案或纹理,会造成场景文字检测算法的效果不理想,目前自然场景下的文字检测任务存在较高挑战。近年来,计算机视觉领域中的难题求解频繁地使用了深度学习相关的方法,且相较于传统方法的检测效果有明显提升。本文介绍了现有采用深度学习相关方法的文字检测和识别技术的原理,然后重点分析了基于卷积神经网络的自然场景文字检测相关技术,最终完成了自然场景文字目标的识别处理。本文针对自然场景中目标文字的尺度问题,总结了现有检测算法和文字矫正算法的特点,并重点分析了关键步骤的优缺点,最后结合实际给出了文字检测模型和文字识别模型。本文主要研究内容有:1.针对现有的基于卷积神经网络的文字检测算法中存在小尺度文字检测不全和文字目标检测区域过大等问题,提出了基于改进YOLOv3的文字检测算法。首先,对基础特征提取网络DarkNet-53进行改良以适应自然场景文字的特点,进而实现对细节特征的提取。然后,结合多尺度预测网络,本文给出了一种文字位置预测方法。最后,完成检测算法模型训练并进行对比试验,通过比较相关文献的基准检测方法,验证了所提出的文字检测算法模型的有效性。实验结果表明,采用本文所改进后的算法可以实现在自然场景中更宽尺度范围的文字检测任务,并且与其它常用基准方法相比,本文算法在检测准确率等方面具有优势。2.针对自然场景下倾斜分布的文字,提出了一种基于DenseNet的倾斜文字识别算法。首先,针对文字分布关键点信息,计算文字倾斜信息,预测得出矫正后的文字图像;然后,在矫正文字图像的基础上,以稠密卷积替代传统卷积方式构建文字识别网络,训练得出针对自然场景下的文字识别模型;最后,通过比较相关文献的文字识别方法,验证了本文文字识别模型的有效性。实验结果表明,采用改进后的文字识别模型可以降低自然场景下的文字倾斜分布对识别结果的部分影响,此外采用稠密卷积的网络模型也具有更佳的文字识别性能。

关键词：卷积神经网络自然场景文字检测倾斜文字文字识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

轻量级文字检测与识别算法的研究与应用

轻量级文字检测与识别算法的研究与应用

作者：蒋子敏南京航空航天大学

学位级别：硕士

作为计算机视觉领域基础及热点研究之一,文字检测与识别引起了大家的广泛关注与讨论。相较传统图像处理方法,基于深度学习的方法可以实现图像中文字信息的自动获取,从而进一步提高准确率,极大地节约人工及时间成本。但巨大的模型参数量... 详细信息

作为计算机视觉领域基础及热点研究之一,文字检测与识别引起了大家的广泛关注与讨论。相较传统图像处理方法,基于深度学习的方法可以实现图像中文字信息的自动获取,从而进一步提高准确率,极大地节约人工及时间成本。但巨大的模型参数量以及内存消耗限制了其在小型设备如移动终端上的应用与发展,难以满足人们日益增长的需求。基于此,本文对轻量级文字检测与识别算法进行探讨并将其应用于公共数据集及不同领域的数据集之中,实现快速而准确的PCB芯片及体育彩票文字检测与识别。本文的主要贡献如下:(1)对现有文字检测与文字识别相关工作进行探讨。由于文字是一种特殊的目标,因此本文对相关目标检测算法、文字检测算法、轻量级网络以及文字识别算法的研究背景、发展现状等进行研究与讨论,同时,对卷积神经网络的设计、注意力机制、循环神经网络等相关技术的内容进行具体的阐述与研究;(2)针对现有文字检测模型参数量大、内存消耗大等问题,提出了一种基于轻量级神经网络的文字检测算法。受目标检测算法以及轻量级网络设计思想的启发,本文提出的算法以SSD框架为基础。为减小模型参数量,特征提取主干网络选用改进的PeleeNet,并进行通道数的统一。为充分检测不同大小、长宽比的文字,新增卷积层等操作实现多尺度特征图检测。为满足文字特点,利用先验知识,通过聚类对anchor值进行设计。同时,引入注意力机制,提高网络的整体性能。实验证明,本文提出算法在公共数据集上保证检测准确率的情况下具有更小的模型,同时在PCB芯片以及体育彩票数据集上具有更好的性能;(3)针对现有文字识别模型计算量大、内存限制大等问题,提出了一种基于轻量级神经网络的文字识别算法。该算法框架主要包括卷积神经网络进行特征提取,循环神经网络进行标签预测以及CTC实现转录,最终得到预测序列。为减小模型参数量,采用多路小卷积及堆叠Dense Layer充分提取特征。同时,为加速网络的收敛,提高模型的泛化能力,引入BN归一化。结果表明,该算法与现有文字识别算法相比,在公共数据集上保证识别准确率的情况下模型更小、识别速度更快,同时在PCB芯片及体育彩票数据集中具有更好的表现效果;(4)设计并实现了一个体育彩票票面文字识别系统。该系统针对体育彩票数据集,实现了快速而准确的票面文字的检测与识别。同时,本文建立了专门用于文字检测与识别的体育彩票数据库,该数据库中平均每张彩票图像大约标注目标30个,共标注大约31500个目标。该数据库可以对文字检测与识别性能进行有效评估。

关键词：轻量级网络文字检测文字识别体育彩票识别 PCB芯片识别

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图像文字检测方法研究

基于深度学习的场景图像文字检测方法研究

作者：赵春阳杭州电子科技大学

学位级别：硕士

在自然场景图像中,文字是最常见的物体对象,它经常出现在交通指示牌、产品包装等物体上。有效检测场景图像中的文字有助于许多应用程序实现特定的功能,例如基于图像的地理定位系统可以通过检测并识别场景图像文字来实现定位功能。随着... 详细信息

在自然场景图像中,文字是最常见的物体对象,它经常出现在交通指示牌、产品包装等物体上。有效检测场景图像中的文字有助于许多应用程序实现特定的功能,例如基于图像的地理定位系统可以通过检测并识别场景图像文字来实现定位功能。随着深度学习的飞速发展,越来越多的基于深度学习的物体检测算法模型被用来进行场景图像的文字检测。但是,由于场景图像中的文字对象与通用物体对象不同,文字对象不仅具有尺度丰富、方向任意和宽高比极端等特性,而且容易受到类似文字背景地干扰。针对自然场景图像中文字的分布特性,本文对自然场景图像中的文字检测方法进行研究。主要工作如下:(1)设计了一种基于SSD物体检测算法改进的自然场景文字检测模型,该模型在SSD物体检测算法的基础上增加了一个文字区域检测模块。该模块可以根据前面不同尺度的特征提取层检测到的特征图感受野的不同,调整默认预选框的宽高比、卷积滤波器的形状以及默认预测框的空间密度。该模块可以高效地融合各特征图上的文字检测结果,从而增强不同尺度文字检测的鲁棒性。(2)本文设计的场景图像文字检测模型针对SSD物体检测算法只能生成水平矩形的物体区域边界检测框,而导致对多方向的文字检测效果差的问题,在SSD算法的基础上引入了一种可以生成任意方向文字区域边界框的计算策略。从而使本文提出的文字检测模型可以检测任意方向的文字。(3)设计了一种端到端的场景图像文字检测与识别模型,该模型在上文场景图像文字检测模型的基础上加入了文字识别分支模块和由空间变换网络组成的双线性插值采样模块。除此之外,还引入了共享卷积特征的思想,从而使模型可以进行端到端地训练。该模型不但能够同时完成文字检测与文字识别任务,而且可以充分发挥两者高度相关又互补的关系并进一步提升自然场景图像文字检测与识别任务的准确率。

关键词：深度学习自然场景图像文字检测 SSD 端到端空间变换网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于小波变换的文字检测与提取方法

电视技术 2014年第3期38卷 182-185页

作者：褚晶辉董越吕卫天津大学电子信息工程学院天津300072

视频中包含的文字信息与视频的语义内容有很强的相关性,将视频中的文字信息提取出来进行分析处理可以有效地理解电视视频语义,从而实现对视频内容的安全监控。针对文字检测提出一种基于小波变换、角点特征图像和统计特征的有效方法,并... 详细信息

视频中包含的文字信息与视频的语义内容有很强的相关性,将视频中的文字信息提取出来进行分析处理可以有效地理解电视视频语义,从而实现对视频内容的安全监控。针对文字检测提出一种基于小波变换、角点特征图像和统计特征的有效方法,并运用基于彩色空间的文字提取方法获取二值图像,更有利于后面OCR的文字识别。

关键词：文字检测文字提取小波变换角点特征