-
题名自然场景文本快速检测识别方法
- 1
-
-
作者
燕天
-
机构
轨道交通工程信息化国家重点实验室(中铁一院)
中国铁建BIM工程实验室(中铁一院)
-
出处
《探测与控制学报》
CSCD
北大核心
2023年第3期126-133,共8页
-
基金
中国铁建股份有限公司科研课题(2021-A02)
中铁第一勘察设计院集团有限公司科研课题(院科20-06)。
-
文摘
针对基于卷积循环神经网络或实例分割的自然场景文本图像检测识别方法结构复杂、实时性差、鲁棒性低的问题,提出基于改进Faster RCNN和高斯混合模型(GMM)的文本图像快速检测识别方法。该方法首先使用改进的Faster RCNN模型进行单字符检测识别并求出图中文本区域的数量,然后使用高斯混合模型进行单字符聚类并构造出候选的多边形文本框,最后使用重定义的置信度公式筛选出适当的文本区域边框,并输出边框内的字符标签序列。公共数据集的测试结果表明,该方法具有良好的鲁棒性和实时性。
-
关键词
自然场景文本检测识别
改进的Faster
RCNN
高斯混合模型
鲁棒性
实时性
-
Keywords
natural scene text detection and recognition
improved Faster RCNN
GMM
robustness
real-time
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种车辆识别代号检测和识别的弱监督学习方法
被引量：2
- 2
-
-
作者
曹志
尚丽丹
尹东
-
机构
中国科学技术大学信息科学技术学院
中国科学技术大学中国科学院电磁空间信息重点实验室
-
出处
《光电工程》
CAS
CSCD
北大核心
2021年第2期78-90,共13页
-
基金
安徽省重点研究与开发计划项目(1804a09020049)。
-
文摘
车辆识别代号对于车辆年检具有重要的意义。由于缺乏字符级标注,无法对车辆识别代号进行单字符风格校验。针对该问题,设计了一种单字符检测和识别框架,并对此框架提出了一种无须字符级标注的弱监督学习方法。首先,对VGG16-BN各个层次的特征信息进行融合,获得具有单字符位置信息与语义信息的融合特征图;其次,设计了一个字符检测分支和字符识别分支的网络结构,用于提取融合特征图中的单字符位置和语义信息;最后,利用文本长度和单字符类别信息,对所提框架在无字符级标注的车辆识别代号数据集上进行弱监督训练。实验结果表明,本文方法在车辆识别代号测试集上得到的检测Hmean数值达到0.964,单字符检测和识别准确率达到95.7%,具有很强的实用性。
-
关键词
卷积神经网络
弱监督学习
自然场景文本检测
自然场景文本识别
车辆识别代号
-
Keywords
convolutional neural network
weakly supervised learning
scene text detection
scene text recognition
vehicle identification number(VIN)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
