自动图像分类与盲去卷积对提升 CRAFT 算法文本检测性能的影响
计算机视觉与模式识别
2022-11-30 v1 机器学习
摘要
自然场景中的文本检测因广泛应用而成为计算机视觉与文档分析中的重要且活跃的研究课题，鲁棒阅读竞赛的出现即为其证。在上述竞赛中具有良好文本检测性能的算法之一是 Character Region Awareness for Text Detection (CRAFT)。本研究采用 ICDAR 2013 数据集，考察自动图像分类与盲去卷积作为图像预处理步骤对进一步提升 CRAFT 文本检测性能的影响。所提技术利用阈值为 100 的拉普拉斯算子将场景图像自动分类为两类：模糊与非模糊。在应用 CRAFT 算法之前，被归类为模糊的图像进一步使用盲去卷积进行预处理以减少模糊。结果显示，所提方法显著增强了 CRAFT 的检测性能，其 IoU h-mean 为 94.47%，相较 CRAFT 原始的 91.42% h-mean 有所提升，甚至优于排名第一的 SenseTime（其 h-mean 为 93.62%）。
引用
@article{arxiv.2211.15999,
title = {Impact of Automatic Image Classification and Blind Deconvolution in Improving Text Detection Performance of the CRAFT Algorithm},
author = {Clarisa V. Albarillo and Proceso L. Fernandez},
journal= {arXiv preprint arXiv:2211.15999},
year = {2022}
}
备注
18 pages, 7 figures, 3rd International Conference on Machine Learning Techniques and Data Science