文本检测

摘要： 为解决目前驾驶证打印中复杂纹理以及原始文字背景条件的限制,提出一种基于改进连接文本提议网络(CTPN)的文本信息完整性检测方法。通过引入帧间差分的方法,先对图像作背景擦除;然后对帧差后的图像进行CTPN文本信息检测,同时引入非极大值抑制(NMS)算法提高检测框的精度。对比未经过背景擦除的图像文本检测结果,实验表明:该方法在驾驶证文本检测中具有更好的文本信息检测效果。

摘要： 自然场景中文本的形状、方向和类别等变化丰富,场景文本检测仍然面临挑战。为了能够更好地将文本与非文本分隔并准确定位自然场景图像中的文本区域,本文提出一种局部与全局双重特征融合的文本检测网络,通过跳跃连接的方式实现多尺度全局特征融合,对恒等残差块进行改进实现局部细粒度特征融合,从而减少特征信息丢失,增强对文本区域特征提取力度,并采用多边形偏移文本域与文本边缘信息相结合的方式准确定位文本区域。为了评估本文方法的有效性,在现有经典数据集ICDAR2015和CTW1500上进行了多组对比实验,实验结果表明在复杂场景下该方法文本检测的性能更加卓越。

摘要： 针对深度学习中对任意形状文本检测准确率不高的问题,提出了一种结合特征金字塔网络(feature pyramid network,FPN)和内核尺度扩展算法的文本检测网络模型。特征金字塔网络能够提取卷积层中更加鲁棒的特征,融合后生成不同尺度的特征内核;内核尺度扩展算法将生成的最小特征内核逐渐扩展为包围完整文本实例的特征图。同时为了针对自然场景中难以检测的文本实例,在训练阶段加入了在线难例挖掘(online hard example mining,OHEM)的方法,并以迁移学习的方式采用2种不同训练策略进行训练。仿真结果表明,该算法模型在不同数据集上具有良好的检测性能。

摘要： 仪表读数的检测与识别被广泛应用在工业中,然而工程领域中复杂的背景环境为获取仪表信息带来了困难。为了解决光照不均、背景复杂、图像模糊、仪表倾斜以及遮挡等多种干扰问题,本文设计了一种基于深度学习的数字仪表读数算法。首先使用图像增广方法丰富数字仪表检测数据集,并利用数据合成的方法构建了数字仪表文本识别数据集;然后通过可微分二值化处理(DB)分割算法进行文符区域检测简化后处理过程,同时提出了一种适用于数字仪表图像的预处理方法,通过引入注意力机制改进卷积循环神经网络(CRNN)算法,对检测后的数据进行文符识别。在上述测试集中检测率可达到88.3%,识别准确率可达到96%。通过实验发现,该算法不仅可以提高整体识别准确率至90%以上,同时降低了复杂度,提高了识别效率。

摘要： 自然场景图像中的文字识别,不同于传统文本字符识别。自然场景图像中的文字经常面临着视角变化,多字体文本以及场景图像曝光严重等多种因素的影响,因此,难以准确地获取自然场景图像中字符信息。该文利用可微分二值化函数对自然场景图像进行处理,得到一张易处理二值化图像,并对二值化图像进行文本检测以便机器处理识别,最后利用卷积递归神经网络(CRNN);进行文本识别。该方法不仅提高了自然场景图像字符识别的准确度,而且解决了生活中多字体文字识别的难点。

摘要： CTPN文本检测模型在细粒度文本检测过程中会出现断连、漏检的情况,尤其是在细粒度的文本场景下。针对以上问题,提出了一种细粒度文本检测算法。该算法基于CTPN模型网络进行改进,重新设计了垂直锚点尺度,以适应细粒度文本的特征;同时调整主干网络的结构适应锚点的尺度。在anchor的连接过程中采用了自适应间隔的连接方式,从而保留水平语义信息的完整性。文本识别阶段采用CRNN方式进行识别。通过PyTorch环境验证细粒度的发票数据集,所提方法相比于原CTPN文本定位方法效果显著提高。

摘要： 随着深度学习的发展,自然场景的文本检测取得了进步,但多方向和弯曲中文文本检测效果仍不理想.针对多方向和弯曲中文文本的检测问题,提出一种融合注意力机制的多尺度文本检测方法.为了平衡模型准确性和降低计算复杂度,采用轻量级Resnet18为主干网络.针对特征金字塔(FPN)提取的特征分布不确定性的问题,嵌入平衡注意力机制(BAM)提取有效文本特征并抑制低效特征通道,进而提升检测方法的鲁棒性.针对空洞空间金字塔池化网络(ASPP)下采样时图像局部信息和细节信息丢失的问题,改进ASPP以降低特征图分辨率的损失.针对FPN提取特征不足以及感受野小的问题,将嵌入注意力机制的FPN和改进的ASPP并行增强特征提取融合.针对正负样本的不平衡性的问题,基于可微二值化模块在二值图损失中引入对数化的AC Loss,从而增强检测模型的泛化能力.在公开数据集MSRA-TD500上的实验结果表明,该算法与目前快速高效的DBnet相比,准确率、召回率和F值分别提升0.1%、1.4%和0.6%,并且该算法的检测速率也有较好表现.

摘要： 随着深度学习技术在计算机视觉领域的发展,场景文本检测与文字识别技术也有了突破性的进展。受到自然场景下极端光照、遮挡、模糊、多方向多尺度等情况的影响,无约束的场景文本检测与识别仍然面临着巨大的挑战。从深度学习的角度对场景文本检测和文字识别技术进行深入研究,总结出在文本检测技术中将基于分割的方法与回归的方法优势相结合,可以解决小文本区域的召回率较低的问题,同时适应多尺度文本;在文本识别方法中将CTC机制与Attention机制相结合,可以相互监督以提升识别性能,降低长文本识别的出错率。

摘要： 针对自然场景下交通标志牌文本粘连、字体复杂、大小形状不一、难以分行,导致交通文本标识率低的问题,提出一种基于PSENet+CRNN的改进交通文本检测识别算法。检测算法以PSENet为基础网络,采用特征增强模块FEM来增加模型的接受域,并改进空洞卷积的特征金字塔模型来增强多支路深层语义信息的融合能力。文本识别部分在CRNN模型中采用CTC+CenterLoss实现功能和标签的对齐、解决预测重复、预测漏字时的对齐问题。最终在CTST-1600数据集上进行验证,检测准确率达到了92.5%,字符识别率达到了88.9%,与原算法相比,分别提升了识别率4.3%和2.3%。实验结果表明,该方法有效提升了模型的检测与识别精度。

摘要： 基于深度学习的检测方法在文本形状较规则的情况下,已经取得较好的检测结果,但对于倾斜以及弯曲的文本行仍有改进空间。文章在渐进式尺度扩展网络PSENet的基础上,通过使用Res2Net模块提取多尺度特征,并结合全局卷积网络GCN进行特征融合,来对原有模型进行改进。根据在SCUT-CTW1500和Total-Text数据集的实验结果对比,证明改进的算法有效可行。

摘要： 有效地收集管理场景图像中的文本信息具有很强的实用价值.本文提出了一套文本检测方法,该算法通过聚集笔划宽度值相近的像素点生成字符部件,筛选过滤后连接成文本行.在考虑文本图形具有笔划特征的基础上,提出虚拟笔头扫描的分类器,用来判别候选部件是否具有文字的像素分布特征.整个算法原理简单直观,不受限于语言种类,在ICDAR2011数据库上进行测试,文本检测效果良好且所需计算代价较小。

摘要： 本文首先分析了校园网络的建设意义,介绍了校园网络监控服务的现状,比较了主流的网页防篡改技术。在此基础上提出了网页比对属性的概念,给出选取比对属性的原则,并提出了以比对属性为核心的文本检测方法。最后设计并实现了基于快照轮询及文本检测的批量网站网页防篡改系统,阐述主要技术要点细节,给出总体设计框架,分析了系统优缺点,并指明了下一步的工作方向。

摘要： 由于二维Gabor滤波器在最小化时域和频域协调的不确定性上达到最优,同时在方向和频率上的可选择性,多通道Gabor滤波器在纹理识别、分类、目标检测等领域得到广泛的运用[13,16].本文将Gabor变换引入视频文本检测,介绍了一种基于Gabor变换的文本检测方法,比较系统的介绍了Gabor滤波器、Gabor参数的选取、Gabor特征向量的选择、特征空间维数的确定和利用Gabor特征向量分类的问题.

摘要： 提出了一种基于子图像的变异灰度直方图(VCH)的检测与定位文本的方法,对子图像VCH的映射特征及其与图像文本的对应关系作了分析,并给出文本检测与定位的有效算法.该算法通过对行分割子图像VCH中的凸台和列分割子图像VCH中的凹谷的识别与定位,实现在图像中快速检测与定位文本.文章给出了计算试验的结果,并进行了分析与评价.

摘要： 针对模糊低品质光学字符识别准确率低的问题,在研究已有光学字符识别算法的基础上,改进优化相关算法,调整识别结构,设计完成一套模糊低品质字符串识别系统.在图像增强方面,提出一种以Canny算子为卷积核,结合Laplace锐化操作,对模糊字符进行图像增强的算法;在文本检测方面,实现了基于MSER算法的文本检测;在模糊字符识别方面,设计了一种两层结构分类器,缩短了识别时间,提高了识别准确率.

摘要： 针对自然场景下多方向、多语种文本区域提出了一种新的检测方法.该方法首先使用提出的边界提升最大稳定极值区域(MSER)算法,检测得到相比传统MSER算法更少的文本候选区域;然后依据设计的含有多个分类器的字符分拣树对候选区域进行层层分拣,剔除绝大部分菲字符区域;接着使用提出的多层融合的聚合算法逐层对候选字符进行融合生成文本行;最后采用随机森林分类器对文本行进行验证.通过在ICDAR2003和MSRA-TD500数据集上的测试与比较,结果证明该方法在综合性能上要优于目前常用方法.

摘要： 数字视频数据中的文本能提供重要的语义信息。该文用具有良好时频局部特性和变尺度特性的小波分析方法，提取图像中的尺度－空域特性，经神经网络分类器进行分类后，自动检测视频数据中的文本信息，为基于内容的视频检索提供索引。实验证明：作者的检测方法具有较好的稳健性。

摘要： 本公开提供了用于文本检测的深度学习模型训练方法及文本检测方法，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于OCR光学字符识别等场景。给出了用于文本检测的深度学习模型训练方法，单字符分割子网络输出的单字符分割预测结果，文本行分割子网络输出的文本行分割预测结果，训练后的深度学习模型可以用于文本区域的检测；并且可以同时实现单字符分割及文本行分割的预测，从而能够结合两种文本分割方式来进行文本检测，能够进一步提高文本区域检测的准确性。

摘要： 本公开提供了一种文本检测模型的训练方法和检测文本的方法，涉及人工智能领域，具体涉及计算机视觉和深度学习领域，可应用于图像处理和图像识别等场景下。训练方法包括：将样本图像输入文本检测模型的文本特征提取子模型，得到样本图像中文本的文本特征；该样本图像具有指示实际位置信息和实际类别的标签；将预定文本向量输入文本检测模型的文本编码子模型，得到文本参考特征；将文本特征和文本参考特征输入文本检测模型的解码子模型，得到文本序列向量；将文本序列向量输入文本检测模型的输出子模型，得到预测位置信息和预测类别；以及基于预测类别、实际类别、预测位置信息和实际位置信息，对文本检测模型进行训练。

摘要： 本申请公开了一种文本检测模型的训练方法、文本检测方法及装置，用于在降低对硬件支撑的需求的同时，保证提高文本检测模型的训练速度和训练效果。所述文本检测模型的训练方法包括：对第一样本图片进行裁剪，第一样本图片对应第一文本区域标签；对裁剪得到的图片进行扩展，得到扩展图片及其对应的第二文本区域标签；对扩展图片进行缩放处理得到第一缩放图片，第一缩放图片的尺寸小于第一样本图片的尺寸；基于第一缩放图片和第二文本区域标签确定第一缩放图片对应的第三文本区域标签；将第一缩放图片输入文本检测模型，输出第一缩放图片的第一疑似文本区域；基于第一疑似文本区域、第三文本区域标签以及预设损失函数，更新文本检测模型的模型参数。

摘要： 本发明公开了一种面向场景文本检测的文本检测器训练方法及文本检测方法。本发明的训练方法包括：1)使用训练数据集对所选文本检测器进行预训练；2)使用预训练获得的文本检测器参数对设定模型UNITS的每一分支进行初始化；其中，所述分支的模型结构与所述文本检测器结构一致；3)根据UNITS中设定的无监督训练策略，使用无标注的真实数据对UNITS进行无监督训练，同时使用训练数据集对UNITS进行有监督训练，更新UNITS的模型参数；4)使用步骤3)最终所得UNITS的模型参数对所述文本检测器初始化，然后使用有标注的目标数据集对初始化后的所述文本检测器进行有监督训练得到最终训练后的文本检测器。

摘要： 本公开提供了文本检测方法及文本检测网络的训练方法，涉及图像处理技术领域，尤其涉及人工智能技术领域。具体实现方案为：确定待检测图像的序列特征；基于所述序列特征和文本实例对应的实例特征，确定解码后的序列向量；基于所述解码后的序列向量，确定所述待检测图像的类型；响应于所述待检测图像的类型为所述待检测图像包括文本，基于所述解码后的序列向量和所述序列特征对应的向量确定所述文本在所述待检测图像中的位置信息。

摘要： 本发明涉及图像检测技术领域，具体提供一种文本检测模型训练方法、文本检测方法以及电子设备，本发明的文本检测模型训练方法包括：利用特征提取网络提取文本训练样本的文本特征图；以文本特征图作为输入，分别对文本主干检测网络和角点区域检测网络进行训练，得到文本主干检测网络的损失函数以及角点区域检测网络的损失函数；基于文本主干检测网络的损失函数和角点区域检测网络的损失函数对文本检测模型进行训练，以得到训练好的文本检测模型。通过文本主干检测网络的损失函数结合角点区域检测网络的损失函数对文本检测模型进行训练，能够对不同文本间的差异性特征进行学习，可以提供更加细粒度的文本检测结果，提高文本检测的准确度。

摘要： 本发明提供一种文本检测模型的建立方法、文本检测方法及装置，涉及人工智能技术领域。所述方法包括：获取文本检测训练数据；基于所述文本检测训练数据和原始模型，训练获得文本检测模型；其中，所述原始模型包括特征提取模块，所述特征提取模块包括多个级联的特征提取单元，每个特征提取单元包括依次相连的卷积池化子单元和注意力子单元。本发明实施例提供的文本检测模型的建立方法、文本检测方法及装置，提高了文本检测模型的可靠性。

摘要： 本申请提供一种异常文本检测模型训练方法、异常文本检测方法及装置，本申请实施例可应用于云技术、人工智能、智慧交通、辅助驾驶等场景，方法包括：获取包括训练文本和训练文本的分类标签的训练样本集，训练文本中用于表示时间的字符被替换为预设字符，产生时间在第一时间之前的训练文本的分类标签为第一分类标签，产生时间在第一时间之后的训练文本的分类标签为第二分类标签，第一时间在当前时间之前，在任一次训练过程中，以训练文本为文本分类模型的输入，输出训练文本的分类预测概率，根据训练文本的分类预测概率与训练文本的分类标签，对文本分类模型的参数进行调整，直到满足停止训练条件，将得到的文本分类模型输出为异常文本检测模型。

摘要： 本公开提供了一种文本检测模型的训练方法和检测文本的方法，涉及人工智能领域，具体涉及计算机视觉和深度学习领域，可应用于图像处理和图像识别等场景下。训练方法包括：将样本图像输入文本检测模型的文本特征提取子模型，得到样本图像中文本的文本特征；该样本图像具有指示实际位置信息和实际类别的标签；将预定文本向量输入文本检测模型的文本编码子模型，得到文本参考特征；将文本特征和文本参考特征输入文本检测模型的解码子模型，得到文本序列向量；将文本序列向量输入文本检测模型的输出子模型，得到预测位置信息和预测类别；以及基于预测类别、实际类别、预测位置信息和实际位置信息，对文本检测模型进行训练。

摘要： 本公开提供了用于文本检测的深度学习模型训练方法及文本检测方法，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于OCR光学字符识别等场景。给出了用于文本检测的深度学习模型训练方法，单字符分割子网络输出的单字符分割预测结果，文本行分割子网络输出的文本行分割预测结果，训练后的深度学习模型可以用于文本区域的检测；并且可以同时实现单字符分割及文本行分割的预测，从而能够结合两种文本分割方式来进行文本检测，能够进一步提高文本区域检测的准确性。