Sequential alignment attention model for scene text recognition

Scene text recognition has been a hot research topic in computer vision due to its various applications. The state-of-the-art solutions usually depend on the attention-based encoder-decoder framework that learns the mapping between input images and output sequences in a purely data-driven way. Unfortunately, there often exists severe misalignment between feature areas and text labels in real-world scenarios. To address this problem, this paper proposes a sequential alignment attention model to enhance the alignment between input images and output character sequences. In this model, an attention gated recurrent unit (AGRU) is first devised to distinguish the text and background regions, and further extract the localized features focusing on sequential text regions. Furthermore, CTC guided decoding strategy is integrated into the popular attention-based decoder, which not only helps to boost the convergence of the training but also enhances the well-aligned sequence recognition. Extensive experiments on various benchmarks, including the IIIT5k, SVT, and ICDAR datasets, show that our method substantially outperforms the state-of-the-art methods.     

CMOS病毒的传染机制分析

文章简述了ＣＭＯＳ病毒的特征及传染方式，分析了ＣＭＯＳ病毒的传染机制，给出了从软件和硬件角度解除的方法。     

无线传感器网络节点定位技术

无线传感器网络（Wireless Sensor Network,WSN）在许多领域有广泛的应用,无线传感器网络中节点位置对无线传感器网络的应用有重要的影响,没有位置属性的信息是无价值的,定位技术是无线传感器网络的重要研究方向之一.依据测距和非测距的分类方法,介绍节点定位技术的基本原理和方法及当前的发展状况,最后对节点定位技术的发展方向作展望.     

关联挖掘下的海量文本信息深入挖掘实现

研究基于关联度挖掘的海量网络文本挖掘方法;随着计算机和网络技术的快速发展,网络上的文本呈现海量增长的趋势,传统的网络文本挖掘方法采用基于特征提取的方法实现,能够实现小数据量下的文本挖掘,但是在信息量的快速增长下,传统方法已经不能适应;提出一种基于关联度挖掘的海量网络文本挖掘方法,首先采用特征提取的方法对海量文本进行初步的分类和特征识别,然后采用关联度挖掘的方法对各个文本特征之间的关联度进行计算处理,根据关联度的大小最终实现文本挖掘,由于关联度可以很好的体现特征文本之间的相互关系;最后采用一组随机的网络热门词汇进行测试实验,结果显示,算法能够很好适应海量文本下的挖掘实现,具有很好的应用价值。     

基于主动学习和否定选择的垃圾邮件分类算法

针对现在网络上泛滥的垃圾邮件问题,本文结合主动学习方法和否定选择算法提出了一种二类文本分类方法：主动否定学习算法.根据用户少量标注建立双向兴趣集,利用否定选择算法的自体异常检测机制改善主动学习中的采样策略,并将双向兴趣集作为检测器,新增样本集作为自体集,对两者进行异常匹配.本文算法与在线垃圾邮件快速识别方法、增强差异性的半监督协同分类算法、垃圾邮件过滤方法、基于人工高免疫的多层垃圾邮件过滤算法和在线主动多领域学习方法在六个常用邮件语料集上进行了分析比较,结果表明本文算法具有较高的准确率、召回率、分类精度,和较低的用户标注负担.使用用户个性喜好转换为双向兴趣特征的方式有助于提高算法的分类能力;利用异常检测匹配选取未知类别特征的方式,有效地降低了用户标注负担.     

基于重线和笔画连通性的视频文字二值化方法

文字二值化是实现提取视频文字信息的重要步骤。在复杂背景下,现有二值化方法不仅难以有效抑制背景干扰,而且对文字定位精度要求过高。提出一种复杂背景下稳健的视频文字二值化方法,首先,引入了穿越线的概念,通过找到一条穿越文字行的穿越线,在笔画中植入关键点。进而,充分利用文字笔画的连通性,利用区域生长的方法,完成二值化过程。实验表明,该方法能够在复杂背景下得到较理想的文字二值化图像,不受文字颜色、字体、大小等因素的影响。     

基于Ada-boost的文字检测方法

提出了一种新的基于机器学习的文字检测方法。首先,在网上下载280张图片,其中包括书的封面、CD封面和电影海报,人工标记和提取其中的文字区域。其次,基于对文字区域和非文字区域的统计性差异分析,得到两大类特征集,用于构造弱分类器。然后,使用Ada—boost将上一步得到的弱分类器筛选和组织起来,得到一个二级的级联分类器。最后,通过将图片的子区域分类为文字和非文字区域,此级联分类器就能够检测出文字区域。与其他方法相比,此方法在检测单个字符、倾斜甚至竖直的文字方面有很好的鲁棒性。     

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.     

互联网视域下基于人格的品牌原型类别化研究(英文)

Due to the rapid development,Internet has become the main field for brand building.Under this circumstance,the image of the brand is always consistent with the consumers' perception.Therefore,this study uses the method of text mining of search engine to explore the categories of brand archetype based on Brand Personality Theory from the perspective of Internet.The results find that 12 brand archetypes,including caregiver,sage,hero,innocent,dominator,creator,vitality,explorer,stylish woman,lover,cooperator,and vogue gentleman,have a high degree explanation.Deeper study uses case study to verify the reasonability and effectiveness of the classification standard.     

P2P环境下的文本检索综述

对等网络在可扩展性、数据更新和隐私保护等方面的特点,使其成为下一代网络发展的重要方向.在对等网络环境下实现文本的检索,已经成为对等技术应用研究的一个重要领域.文中关注对等网络环境下文本检索领域的研究现状,讨论了对等网络中文本检索的研究热点和未来几年的发展趋势并指出了进一步的研究方向.