計算機技術(shù)的不斷進步和各類信息數(shù)據(jù)的爆炸性增長,使人工智能得到了高速的發(fā)展。自然場景圖像中存在大量的文本圖像并蘊含了豐富的信息,如何有效提取文本的信息,成為現(xiàn)階段研究的熱點之一。自然場景文本檢測的目的是在一幅自然圖像中檢測出文本實例的位置,自然場景文本識別是自然場景文本檢測與識別任務(wù)中緊跟檢測任務(wù)的下游任務(wù),目的是將檢測模塊處理輸入圖像所輸出的候選區(qū)域的文本內(nèi)容進行識別,并且輸出相應(yīng)的字符串。自然場景文本檢測與識別技術(shù)在計算機幫助人類處理文本圖像數(shù)據(jù)中起到了重要的作用,并廣泛應(yīng)用到自動導(dǎo)航、智能信息錄入、場景識別、多媒體檢索等多個領(lǐng)域,體現(xiàn)出廣闊的應(yīng)用前景。然而,自然場景下的文本圖像不同于傳統(tǒng)OCR光符識別應(yīng)用的文本圖像,具有以下難點:自然場景中的文本不再單一,具有角度靈活、大小不一、顏色豐富和字體形狀多變等特點;自然場景的背景十分復(fù)雜,還有些背景信息與文本區(qū)域信息十分相似,比如柵欄、旗桿等;在實際應(yīng)用場景中的文本圖像成像質(zhì)量不穩(wěn)定,會受到拍攝設(shè)備、拍攝水準、光照條件等因素的影響,使得自然場景文本圖像存在清晰度較差、文本行被遮擋等問題。上述特點嚴重影響了自然場景文本檢測與識別算法的準確...

【文章頁數(shù)】：75 頁

【部分圖文】：

圖1.1基于MSER的自然場景文本檢測

了該領(lǐng)域研究的主要技術(shù)。1)傳統(tǒng)的自然場景文本檢測方法基于傳統(tǒng)的文本檢測技術(shù)包括處理連通域和處理滑動窗口的技術(shù)等。對于連通域的技術(shù)主要有最大穩(wěn)定極值區(qū)域[7]（MSER）技術(shù)和Epshtein等人提出的筆畫寬度變換[8]（SWT）技術(shù)等。SWT算法能夠獲得在規(guī)模和空間特征....

圖1.2基于Textboxes++任意方向排列的文本檢測

華中科技大學(xué)碩士學(xué)位論文Liao等人先是設(shè)計了Textboxes文本檢測方法[26]，通過改進SSD網(wǎng)絡(luò)，使得文本在每個區(qū)域存在可能性的計算速度得到提升。隨后他們改進之前的工作，設(shè)計了Textboxes++技術(shù)[27]，并進一步改進網(wǎng)絡(luò)結(jié)構(gòu)，把T....

圖1.3基于深度卷積神經(jīng)網(wǎng)絡(luò)的識別模型網(wǎng)絡(luò)結(jié)構(gòu)

華中科技大學(xué)碩士學(xué)位論文識別上[50]。該網(wǎng)絡(luò)通過深度卷積神經(jīng)網(wǎng)絡(luò)進行文本的特征提取，然后再采用遞歸神經(jīng)網(wǎng)絡(luò)取代語言模型對文本進行識別，可以識別帶標點的文本。然而該方法在文本較長的情況下識別率不高。隨后Shi等人采用的注意力模型來解決長文本問題[51]。

圖1.4基于字典搜索糾錯的端到端文字識別算法的結(jié)果

華中科技大學(xué)碩士學(xué)位論文就可以到達識別任務(wù)的方法，通過MSER提取圖像中的文本作為文本候選區(qū)域，再利用訓(xùn)練好的分類器過濾掉非文本區(qū)域，并把其他的文本候選區(qū)域放到字符識別模型中進行識別[7]。Matas等人對方法進行改進，引入了基于連通域文本的檢測方法，....

本文編號：3923869