基于深度学习的车载屏幕文本检测与识别研究

车载屏幕文本图片显示内容丰富、背景多样性、文本信息较多且大小、方向不定等问题,导致文本检测与识别过程中出现准确率低、检测速度慢的问题,因此提出了一种基于深度学习的车载屏幕文本检测与识别的系统.该系统的文本检测模型采用改进的EAST网络,应用DenseNet网络作为特征提取网络以增强特征重用,为了改善长文本的预测效果,采...     

人脸检测算法综述

在计算机视觉领域中,人脸相关研究一直被广大研究人员关注。人脸相关课题包括人脸检测、人脸识别、人脸姿态估计、特征点提取等等。其中,人脸检测是其他人脸相关研究的前提,因此,找到鲁棒性强、效率高的人脸检测系统十分必要。本文从基于特征（feature-based）的方法和基于图像（image-based）的方法两个方面去阐述目前流行的人脸检测方法,分析各自的优缺点。最后,对人脸检测的发展趋势进行了讨论。     

基于Hough变换的倾斜文本图像的检测

在OCR图像扫描输入的过程中,扫描图像经常会出现某种程度的倾斜,这种倾斜会给下一个字符的切割造成困难,影响字符识别的精度。正是出于检测倾斜文本图像角度的目的,提出了一种基于Hough变换的检测图像倾斜度的方法,可以有效地克服几何失真对文字识别系统的影响,为了克服Hough变换计算量大的缺点,该方法采用了提取图像特征点的方法。实验结果表明,该方法能快速准确地测出各类文本图像的倾斜角度,并且具有很好的适应性。     

基于Transformer解码的端到端场景文本检测与识别算法

针对任意形状的场景文本检测与识别,提出一种新的端到端场景文本检测与识别算法。首先,引入了文本感知模块基于分割思想的检测分支从卷积网络提取的视觉特征中完成场景文本的检测;然后,由基于Transformer视觉模块和Transformer语言模块组成的识别分支对检测结果进行文本特征的编码;最后,由识别分支中的融合门融合编码的文本特征,输出场景文本。在Total-Text、ICDAR2013和ICDAR2015基准数据集上进行的实验结果表明,所提算法在召回率、准确率和F值上均表现出了优秀的性能,且时间效率具有一定的优势。     

基于深度学习的自然场景多方向文本检测与识别

本文为了进一步提高检测和识别的准确性和速度,通过对文本检测和识别框架的分析和改进,设计了一个基于深度学习算法的端到端文本检测和识别系统。     

面向自然场景文本检测的FPPMAC模型

为进一步解决自然场景下文本方向多变、形状不规则以及分布密集等分割问题,提出了一个由特征金字塔网络(Feature Pyramid Network,FPN)和并行多空洞卷积(Parallel Multiscale Atrous Convolution,PMAC)模块构成的FPPMAC模型.其中,PMAC模块由4个空洞卷积...     

基于梯度与粗糙度的视频文本检测与定位

 本文提出一种视频文本检测和定位的新方法.利用差分图像像素行(列)的粗糙度特征和自适应阈值,实现对文本的快速检测.为进一步实现对文本的精确检测与定位,引入彩色梯度的方向信息,仅计算视频画面中少量关键特征点的梯度幅值,能够有效抑制图像复杂背景的干扰,同时显著提高了算法的效率.本方法对不同的视频画面质量、不同复杂程度的背景以及不同外观的文本是鲁棒的.通过对各类视频节目的大量实验验证了本文方法的有效性.     

视频动目标标识文本检测与识别技术

描述了一种新的视频动目标标识检测与识别技术,讨论了从视频中自动捕获用于识别动目标的最佳帧、动目标标识的自动搜索、标识字符的单字切分和字符图像的BP神经网络识别。实验显示,该技术运用于车牌自动识别系统能适应不同的天气和光照,有很好的鲁棒性。     

低信噪比序列图像中目标检测、识别及跟踪算法的研究

本文研究红外探测仪器产生的低信噪比序列图像中目标检测、识别及跟踪算法。该算法基于图像累加后沿目标的运动轨迹方向信号积累，并结合目标在各个不同阶段的特性，分别在检测、识别及跟踪阶段完成目标信号的处理，最后给出目标的位置和速度信息。     

人脸检测技术综述

近年来,计算机视觉在安防领域的应用正备受关注,身份识别是核心问题。人脸识别是一种基于脸部特征信息进行身份识别的技术,人脸检测是其中的基础和关键部分。介绍了四种不同的人脸检测技术,分析了相关的算法和理论,概述了各自的优缺点。最后,讨论了人脸检测技术今后的研究方向及发展趋势。