一种用于文档图像分割的快速全八度卷积神经网络
计算机视觉与模式识别
2020-10-20 v1 图像与视频处理
摘要
了解你的客户（KYC）和反洗钱（AML）是基于个人身份文件、相似性与活体检测以及地址证明的在线客户识别的全球性做法。为回答基本的监管问题：你是否如你所说之人？客户需要上传有效的身份文件（ID）。该任务带来了一些计算挑战，因为这些文件多种多样，可能呈现不同且复杂的背景、某些遮挡、部分旋转、质量差或损坏。先进的文本与文档分割算法被用于处处理 ID 图像。在此背景下，我们研究了一种基于 U-Net 的方法来检测 ID 图像中的文档边缘与文本区域。尽管在图像分割上结果可观，但基于 U-Net 的方法对于实际应用计算开销较大，因为图像分割是客户设备端的任务。我们提出了一种基于八度卷积（Octave Convolutions）的模型优化，以使该方法适用于存储、处理和时间资源受限的场景，例如移动与机器人应用。我们在两个新数据集 CDPhotoDataset 和 DTDDataset 上进行了评估实验，它们由巴西证件的真实 ID 图像组成。我们的结果表明所提出的模型对文档分割任务高效且可移植。
引用
@article{arxiv.2004.01317,
title = {A Fast Fully Octave Convolutional Neural Network for Document Image Segmentation},
author = {Ricardo Batista das Neves Junior and Luiz Felipe Verçosa and David Macêdo and Byron Leite Dantas Bezerra and Cleber Zanchettin},
journal= {arXiv preprint arXiv:2004.01317},
year = {2020}
}
备注
This paper was accepted for IJCNN 2020 Conference