首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
一种适用于文字检测的候选框提取算法+2016年中国数据挖掘会议
A proposal extraction method for text detection
投稿时间:2016-04-16  最后修改时间:2017-11-21
DOI:
中文关键词:  物体候选框;自然场景文字检测;全卷积网络;EdgeBox
英文关键词:object proposal; scene text detection; fully convolutional network; EdgeBox
基金项目:教育部“新世纪优秀人才支持计划”;国家自然科学基金项目(面上项目,重点项目,重大项目)
作者单位E-mail
朱盈盈 华中科技大学 yyzhu@hust.edu.cn 
张拯 华中科技大学  
章成全 华中科技大学  
张兆翔 中国科学院自动化研究所  
白翔 华中科技大学  
刘文予 华中科技大学 liuwy@hust.edu.cn 
摘要点击次数: 105
全文下载次数: 7
中文摘要:
      物体候选框提取算法根据一般物体具有的视觉特征共性,提取一系列精度较高、规模较小的可能包含物体的候选框。此类算法运用于一般物体检测问题中,能够有效地缩减目标搜索的范围,在保证较高的检测精度的情况下大大提升了检测速度,因此在计算机视觉领域中吸引了越来越多的关注。然而,在文字检测的相关研究中,针对文字的候选框提取方法并未得到广泛关注与深入挖掘。一方面由于文字本身结构和一般物体具有较强的差异性,另一方面由于文字对检测的高精度要求。本文提出了一种针对文字的候选框提取算法,该算法首先利用全卷积网络进行快速预测文字区域,有效的减少了候选框的搜索范围,然后针对文字特性对EdgeBox算法进行改进,使之适用于自然场景的文字候选框的提取。此外,本文在两个自然场景文字检测的标准数据集上对该算法进行了评测,并与其它已有的候选框提取方法进行了比较。实验结果表明本文的方法相较其它算法,具有更好的性能和鲁棒性。
英文摘要:
      Object proposal extraction methods provide a series of candidate boxes with high accuracy and small number according to the common visual characteristics of objects. These methods can effectively reduce the searching range of object detection, and greatly improve the detection speed in the case of high accuracy, so it has attracted more and more attention in the field of computer vision. However, in the study of text detection, the proposal extraction method has not been widely concerned and deeply studied. On the one hand, due to the structure of the text itself and the general object has biggish otherness, on the other hand due to the requirement of high precision of text detection. In this paper, we propose a proposal extraction method for text detection. The proposed method firstly utilize the fully convolutional network to predict the text regions, which can effectively reduce the search range of the proposal extraction. Then, the EdgeBox algorithm is improved to make it suitable for the text proposal extraction in natural scenes. In addition, the proposed method is evaluated on two standard natural scene text detection benchmarks, and compared with other existing methods. The results show that the proposed method has better performance and robustness than other methods.
查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第911612位访问者 本站今日一共被访问38

技术支持:北京勤云科技发展有限公司