-
题名基于学习主动中心轮廓模型的场景文本检测
被引量：6
- 1
-
-
作者
谢斌红
秦耀龙
张英俊
-
机构
太原科技大学计算机科学与技术学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第3期244-252,262,共10页
-
基金
山西省重点研发计划(重点)高新领域项目(201703D111027)
山西省重点研发计划项目(201803D121048,201803D121055)。
-
文摘
在场景文本检测领域,存在由于文本尺寸波动较大导致的小文本漏检、大文本欠检测和多尺度文本边界检测错误的情况。针对上述问题,提出一种基于学习主动中心轮廓模型的场景文本检测网络。在残差网络ResNet的基础上构建多尺度特征权重融合模型,对输入的场景文本图片进行多尺度特征提取和权重融合,并计算出最终的特征融合图,适应场景文本长宽比变化较大的情况。在此基础上,将融合后的特征图输入到学习主动中心轮廓模型预测文本框的中心点和边界,该模型为场景文本检测提供丰富先验知识,以解决多尺度文本检测框包含过多背景或部分包围文本造成的边界检测错误问题。在MSRA-TD500、IC13、IC15和IC17MLT数据集上的实验结果表明,该网络能够提高多尺度场景文本检测的准确率,其中在MSRA-TD50数据集上F-measure为0.83,相较于MSR方法提升1%,在IC13数据集上F-measure为0.91,相较于PixelLink网络提升2%,在IC15数据集上F-measure值为0.87,相较于PSENet网络提升1%,在IC17MLT数据集上F-measure值为0.74,相较于TridentNet网络提升1%。
-
关键词
场景文本检测
多尺度特征提取
权重融合
主动轮廓模型
学习主动中心轮廓模型
-
Keywords
scene text detection
multi-scale feature extraction
weight fusion
active contour model
Learning Active Center Contour(LACC)model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于区域信息主动轮廓模型的图像分割
被引量：17
- 2
-
-
作者
鲁圆圆
强静仁
汪朝
-
机构
武汉学院信息及传播学院
西安建筑科技大学材料与矿资学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第10期208-212,共5页
-
基金
国家自然科学基金青年科学基金(No.51404182)
-
文摘
图像分割是对图像进行后续处理的关键步骤之一,传统主动轮廓模型在目标图像背景较为复杂的情况下很难精确地进行图像分割。为了精确且快速地进行图像分割,以便更加有利地进行后续相关图像处理操作,在对传统主动轮廓模型进行相关研究的基础之上,提出一种基于区域信息主动轮廓模型的图像分割方法。将图像区域信息融入主动轮廓模型的能量函数中去,减弱了模型对图像区域信息突变所造成的图像误分割;改进该模型能量函数内外曲线的拟合中心,以此减少图像噪声点对拟合中心准确性的影响;利用信息熵改进曲线内外能量函数权重,以此提高曲线的演化速度。实验结果表明,与传统CV(Chan_Vese)模型等四种模型相比,该方法所分割的图像更加精确,且在算法分割效率上具有较明显的优势。
-
关键词
图像分割
主动轮廓模型
区域信息
拟合中心
信息熵
-
Keywords
image segmentation
active contour model
local information
fitting center
information entropy
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
