自然場景中的文本檢測研究.pdf

1、自然場景中的文本信息提取是計算機(jī)視覺領(lǐng)域中一個非常重要且具有挑戰(zhàn)性的難題，在圖像視頻檢索、助盲翻譯系統(tǒng)、智能交通領(lǐng)域中有著廣泛的應(yīng)用前景，因此越來越受到各大公司和研究人員的極大關(guān)注。
　　自然場景中的文本信息提取包括文本區(qū)域的檢測、分割和識別。文本檢測作為文本信息提取的第一步，它檢測的準(zhǔn)確性對后續(xù)的分割和識別具有重要的意義。另一方面由于深度學(xué)習(xí)已經(jīng)成功應(yīng)用在圖像分類等領(lǐng)域，因此本文在深度學(xué)習(xí)的框架下對文本檢測進(jìn)行研究，提出了基于卷

2、積神經(jīng)網(wǎng)絡(luò)的有監(jiān)督文本檢測方法和基于自動編碼器的無監(jiān)督文本檢測方法，提高了文本檢測的準(zhǔn)確率。
　　本文的主要工作如下:
　　(1)設(shè)計了可以方便地生成訓(xùn)練測試數(shù)據(jù)集的半自動的文本標(biāo)注工具并使用該工具創(chuàng)建了一個文本檢測基準(zhǔn)訓(xùn)練測試數(shù)據(jù)集。由于深度學(xué)習(xí)框架采用多層網(wǎng)絡(luò)模型，需要大量的輸入作為訓(xùn)練集，現(xiàn)有的文本檢測訓(xùn)練集還不能滿足要求，且使用不便。為此，本文設(shè)計了一個可以方便地生成訓(xùn)練數(shù)據(jù)集的半自動的文本標(biāo)注工具并使用該工具創(chuàng)建了

3、一個文本檢測基準(zhǔn)訓(xùn)練測試數(shù)據(jù)集，本數(shù)據(jù)集取部分ICDAR2003和SVT數(shù)據(jù)集，共計4127張圖像，利用本工具獲得60000個正樣本圖像塊，71733個負(fù)樣本圖像塊用于訓(xùn)練，10000個圖像塊用于測試，從而大大縮短了實驗周期，為不同算法的性能評測提供了基礎(chǔ)數(shù)據(jù)。
　　(2)提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)有監(jiān)督特征學(xué)習(xí)方法對自然場景中的文本進(jìn)行檢測。CNN（卷積神經(jīng)網(wǎng)絡(luò)）是一種多層感知器，這種網(wǎng)絡(luò)結(jié)構(gòu)對平移、比例縮放、傾斜或者其它形式的

4、變形具有高度不變性，從而提高了文本檢測的準(zhǔn)確率，在實驗測試數(shù)據(jù)集上獲得了93.56％的分類準(zhǔn)確率。
　　(3)提出了一種基于稀疏自動編碼器的無監(jiān)督學(xué)習(xí)方法檢測自然場景中的文本。該方法以重構(gòu)誤差最小為代價進(jìn)行數(shù)據(jù)的特征學(xué)習(xí)，并在自動編碼器的基礎(chǔ)上加入稀疏性約束限制，從而獲取更加有效的特征表示。該方法在我們的實驗測試數(shù)據(jù)集上獲得了92.85％的分類準(zhǔn)確率。
　　(4)通過對無監(jiān)督特征學(xué)習(xí)算法和有監(jiān)督特征學(xué)習(xí)算法兩種方法的實驗結(jié)果