Решение проблемы произвольно ориентированного обнаружения

Аннотация к реферату 2
Введение 4
Основная часть 6
1.История развития методов распознавания текста сцены 6
2.Решение проблемы произвольно ориентированного обнаружения 10
3.Анализ предложенного метода 11
Заключение 12

Весь текст будет доступен после покупки

Тексты в природных сценах, включая дорожные знаки, рекламные щиты, вывески торговых центров и т. д., играют решающую роль в повседневной жизни, предоставляя важную информацию об обществе и окружающей среде. Обнаружение текста в режиме реального времени является обязательным условием для распознавания текста в процессе извлечения текстовой информации и понимания естественного языка. Для приложений, работающих в реальном времени, таких как перевод текста, интерпретация текста для помощи слабовидящим, интеллектуальное вождение и автономная навигация роботов, даже небольшая задержка может иметь катастрофические последствия. По сравнению со стандартным текстом в документах или Интернете тексты в естественных сценах отличаются друг от друга, имеют разные размеры, тип шрифта, цвет, язык и ориентацию. Кроме того, они часто имеют различную интенсивность освещения, сложный фон и несколько ракурсов фотографирования, что создает проблемы при обнаружении и распознавании текста.
За последнее десятилетие было разработано множество современных методов для решения упомянутых выше задач, в которых горизонтальные или приблизительно горизонтальные области текста обнаруживаются с обнадеживающей точностью [13]. Однако текстовые области в естественных сценах часто не являются горизонтальными, что ограничивает практическую полезность этих методов. В последнее время некоторые методы пытались решить проблему обнаружения произвольно ориентированного текста [25]. Как правило, эти методы следуют двухэтапной стратегии, основанной на глубокой сверточной нейронной сети (CNN). Процесс обнаружения выглядит следующим образом: сначала генерируются предложения по регионам с помощью метода выборочного поиска или сети региональных предложений; затем для наклонных предложений используется регрессия наклонных ограничивающих рамок. Несмотря на достижение превосходной точности, вычислительная эффективность этих методов в приложениях реального времени далека от удовлетворительной.

Весь текст будет доступен после покупки

Основная часть
1. История развития методов распознавания текста сцены
Обнаружение и распознавание текста сцены были активной темой исследований в области компьютерного зрения в течение последних нескольких десятилетий [29]. Традиционные методы обнаружения текста естественной сцены в значительной степени полагаются на созданные вручную признаки для различения текстовых и нетекстовых компонентов в изображениях естественной сцены, включая методы, использующие методы скользящего окна (SW) и связанные компоненты (CC) [4]. Методы SW перемещают окно обнаружения с несколькими масштабами через все возможные места на изображении, а затем используют предварительно обученный классификатор, чтобы определить, содержит ли окно обнаружения текст.
Однако процесс ПО приводит к созданию большого количества избыточных окон обнаружения, что сильно ограничивает его эффективность. Среди методов, основанных на CC, максимально стабильные экстремальные области (MSER) [13] и форма Stroke Width Transform (SWT) [4] являются наиболее репрезентативными методами, в которых связанные компоненты извлекаются как кандидаты символов для классификации как текстовые или нетекстовые. Метод MSER показал приемлемые результаты в конкурсах ICDAR2013 и ICDAR2015 [31]. Однако эти традиционные методы отстают от методов на основе глубоких нейронных сетей по точности и адаптивности, особенно при работе со сложными сценами, такими как сцены с низким пространственным разрешением и геометрическими искажениями.
В последнее время, с быстрым развитием глубокого обучения, обнаружение текста естественной сцены вступило в новую эру. Был разработан широкий спектр методов обнаружения текста на основе CNN, которые с огромным успехом стали популярными. С точки зрения используемого метода методы обнаружения текста, основанные на глубоком обучении, можно разделить на три основные категории: методы, основанные на сегментации, гибридные методы и методы, основанные на регрессии ограничивающей рамки.
Методы, основанные на сегментации [18], пытаются решить эту проблему, отделяя область текста от фона и получая граничный блок текста с помощью дополнительных шагов. EAST [19] создал карту текстовой области, используя U-образную сеть [32]. Он регрессировал ориентированные прямоугольники или четырехугольники на основе одной и той же функции для создания карты оценок. TextFuseNet [33] рассматривал задачу обнаружения текста как задачу сегментации экземпляра, в которой функции на уровне символов, слов и глобального уровня извлекались и встраивались в архитектуру слияния с несколькими путями для обнаружения текста. Преимуществом сети является высокая точность обнаружения, но низкая вычислительная эффективность. Гибридные методы [20] использовали методы, основанные на сегментации, для прогнозирования карты оценок текста; после этого ограничивающая рамка текста получается посредством регрессии.
Методы регрессии с ограничивающей рамкой можно разделить на двухэтапные и одноэтапные.

Весь текст будет доступен после покупки

-

Весь текст будет доступен после покупки