【摘 要】
:
随着深度学习的不断发展,场景文本检测和端到端识别领域取得了较大的进展。然而现有算法主要关注于复杂形状、语种多样性等难点,却忽视了由场景文本形状多样性带来的昂贵标注成本。相比图片分类任务的Image-Net数据集(1419万张图片),场景文本任务常用的高质量真实数据集图片较少,通常仅有一千张左右。然而,在实际应用中,往往需要十万、甚至百万的真实数据进行训练才能取到较高的文本检测识别性能。因此,减少场
论文部分内容阅读
随着深度学习的不断发展,场景文本检测和端到端识别领域取得了较大的进展。然而现有算法主要关注于复杂形状、语种多样性等难点,却忽视了由场景文本形状多样性带来的昂贵标注成本。相比图片分类任务的Image-Net数据集(1419万张图片),场景文本任务常用的高质量真实数据集图片较少,通常仅有一千张左右。然而,在实际应用中,往往需要十万、甚至百万的真实数据进行训练才能取到较高的文本检测识别性能。因此,减少场景文本标注成本的同时保证算法的检测识别性能是目前该领域的一个重要研究方向。本文针对场景文本弱标注方法和弱标注下的场景文本检测识别问题进行了一系列的研究:(1)本文提出了一种简单高效且适用于任意形状文本的弱标注方法,即近似中心线标注法。相比多方向矩形框和多边形框的标注方法,该弱标注方法通过舍弃文本实例的边缘信息,大幅降低场景文本的标注时间。(2)本文提出了一种基于近似中心线的弱监督场景文本检测算法。该方法通过合成数据集学习字符的先验知识,并利用近似中心线标注将知识迁移到真实数据集,以弥补文本边缘信息的缺失。由于弱标注会引入大量噪声。此外,该算法提出了基于动态采样的字符矫正网络以及鲁棒的后处理方法,抑制了噪声对检测性能的影响。(3)本文提出了一种基于近似中心线的弱监督场景文本端到端识别算法。该算法提出了基于近似中心线的候选框网络和基于近似中心线抑制噪声的方法,有效提升识别任意形状文本的精度。综上,本文针对场景文本的弱标注展开了一系列的探索和研究,提出了一种文本近似中心线的弱标注方法,并对应提出了基于近似中心线的场景文本检测算法和端到端识别算法,能够有效利用本文提出的弱标注,在多个真实公开数据集上取得了接近基于强标注方法的检测识别性能,弥补了现有基于弱标注方法性能的不足。此外,本文对现有多个真实场景文本数据集重新进行了标注,为相关研究提供了一定帮助。
其他文献
红外弱小目标检测是红外搜索与跟踪等系统的关键技术,对于提升未来战争中的预警、制空和反击等能力具有重要的价值。通常由于探测距离远和成像环境复杂,目标具有尺寸小、特征少和信噪比低等特点,给其检测带来了不小的困难。目前,基于低秩稀疏的红外弱小目标检测算法具有良好的检测性能,但也存在对局部和非局部特征利用不充分以及对背景低秩逼近不准确的不足,其场景泛化以及抗噪声和稀疏干扰能力仍有待提升。本文分析了不同场景
5G网络建设成本高昂,70%的成本投入在无线接入网。传统无线接入网,采用封闭式系统架构设计,极大推高了建网费用。开放式无线接入网(Open Radio Access Network,O-RAN)旨在打破设备商的垄断,降低接入网的建设成本。网络切片技术是5G的关键性技术,通过在实际的物理网络上切分出多个逻辑网络,来满足不同业务对网络的需求。目前O-RAN网络架构及协议仍处在演进过程中,面向异构流量传
智慧交通是未来城市的必然发展趋势,交通拥堵作为制约社会发展的重要因素之一,是智慧交通中亟需解决的问题。对交通信号进行智能控制能有效缓解交通拥堵。近几年,基于深度强化学习的智能交通信号控制研究受到了学术界和工业界的热切关注,但同时也面临使用单一数据进行训练导致的学习效率低、模型鲁棒性差等问题。因此,本文基于联邦强化学习方法开展跨域智能交通信号控制算法研究。首先,本文提出了一种基于联邦强化学习的跨域智
现代移动通信要求支持的终端移动速度越来越大,信道呈现快速时变的特性,导致基站获取的信道状态信息快速过期。信道预测根据历史的信道状态信息预测当前时刻的信道状态信息。时间卷积网络(Temporal Convolutional Network,TCN)采用扩张因果卷积结构,具备感受野灵活,梯度稳定等优点,本文首次提出将TCN网络用于时域信道预测问题,并且进一步提出了复数域的时间卷积网络(Complex-
驾驶员处于疲劳状态时判断力和反应能力明显下降,极易引发交通事故,对道路交通安全造成极大威胁。在驾驶过程中实时监测驾驶员状态并及时预警,可以有效保障行车安全。现有基于深度学习的疲劳检测算法大多倾向于通过不断增加网络深度和复杂度来达到更高的准确率,从而导致算法实时性欠佳,且模型无法直接部署至计算资源受限的移动端、嵌入式设备上。本文面向实际驾驶场景,研究基于面部特征的实时疲劳驾驶检测算法,并针对算法部署
在计算机视觉领域中,多目标跟踪是一个非常重要的研究课题,其目的是得到视频中感兴趣物体的运动轨迹,包括每帧中代表物体位置信息的包围框和代表物体身份信息的编号。多目标跟踪有广泛的应用价值,是安防监控、自动驾驶、智慧城市等应用中的关键技术。多目标跟踪中包含目标检测、行人重识别等其他研究方向的技术,其中,目标检测常用来获取目标位置,行人重识别常用来得到目标的身份。多目标跟踪大多对行人进行跟踪,场景较为复杂
三维点云分析是计算机视觉中的一个重要任务,其在人们的生产生活中有着极为广泛的应用,如自动驾驶,遥感制图,增强现实等。近年来,随着深度学习技术的不断进步,三维点云分析领域也取得了重大的突破。相较于传统的手工设计的三维点云分析算法而言,基于深度学习的三维点云分析方法在多个公开的数据集上都取得了更为显著的结果。在三维点云分析任务当中,提取有效的局部区域特征描述子以及充分挖掘各个局部区域之间的相关关系都是
手写数学公式识别是文档分析领域中的一个非常重要的任务,在自动阅卷、数字图书馆、办公自动化等领域有广泛应用。近年来,随着深度学习的广泛应用,手写数学公式识别研究取得了快速的发展,尤其是注意力机制的引入大幅度提升了公式识别精度。但是大部分现有的基于注意力机制的手写数学公式识别算法在处理较长或者空间结构较复杂的数学公式的时候,依然存在一定的困难,容易出现注意力不准确的情况,从而导致漏掉符号、预测出重复或
基于Wi-Fi指纹的室内定位技术在近些年得到了广泛地研究,主要集中于研究如何在独立模式下提高定位精度。有少量研究提出利用额外硬件设备进行用户间距离测量用以提升定位精度,但这增加了成本,限制了实用性。为解决这一问题,本文提出了一种隐式协同定位新模式,旨在挖掘同一区域多个用户的Wi-Fi信息来改进用户群体定位性能。本文对此类隐式协同定位进行了深入研究,提出了以下三种方法:(1)基于用户互距离估计的协同
三维目标检测作为计算机视觉领域中重要的一部分,它在很多领域中起到了重要的作用,例如自动驾驶和智能机器人等领域。近些年,随着研究的不断深入,多个公开的三维目标检测数据集被提出,促进了三维目标检测技术的发展进步。基于三维视锥的方法是三维目标检测任务中一种具有代表性的方法,其通过二维目标检测框获取三维视锥点云数据,缩小了三维搜索空间。然而当前基于视锥的方法仍然存在特征提取能力不足和难以处理一个视锥中存在