計(jì)算機(jī)技術(shù)的不斷進(jìn)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(yùn)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(diǎn)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(shí)例的位置,自然場景文本識(shí)別是自然場景文本檢測與識(shí)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(jìn)行識(shí)別,并且輸出相應(yīng)的字符串。自然場景文本檢測與識(shí)別技術(shù)在計(jì)算機(jī)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(dòng)導(dǎo)航、智能信息錄入、場景識(shí)別、多媒體檢索等多個(gè)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(shí)別應(yīng)用的文本圖像,具有以下難點(diǎn):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(diǎn);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(shí)際應(yīng)用場景中的文本圖像成像質(zhì)量不穩(wěn)定,會(huì)受到拍攝設(shè)備、拍攝水準(zhǔn)、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(diǎn)嚴(yán)重影響了自然場景文本檢測與識(shí)別算法的準(zhǔn)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(dòng)窗口的技術(shù)等。對(duì)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(jì)了Textboxes文本檢測方法[26]，通過改進(jìn)SSD網(wǎng)絡(luò)，使得文本在每個(gè)區(qū)域存在可能性的計(jì)算速度得到提升。隨后他們改進(jìn)之前的工作，設(shè)計(jì)了Textboxes++技術(shù)[27]，并進(jìn)一步改進(jìn)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(shí)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(shí)別上[50]。該網(wǎng)絡(luò)通過深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)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(duì)文本進(jìn)行識(shí)別，可以識(shí)別帶標(biāo)點(diǎn)的文本。然而該方法在文本較長的情況下識(shí)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(cuò)的端到端文字識(shí)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(dá)識(shí)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(shí)別模型中進(jìn)行識(shí)別[7]。Matas等人對(duì)方法進(jìn)行改進(jìn)，引入了基于連通域文本的檢測方法，....

本文編號(hào)：3923869