基于稀疏编码特征的鲁棒场景文本识别
计算机视觉与模式识别
2015-12-31 v1
摘要
在本文中，我们提出一种有效的场景文本识别方法，使用基于稀疏编码的特征，称为稀疏码直方图（Histograms of Sparse Codes, HSC）特征。对于字符检测，我们使用 HSC 特征代替方向梯度直方图（Histograms of Oriented Gradients, HOG）特征。HSC 特征通过用 K-SVD 从数据学习得到的字典计算稀疏码，并聚合逐像素稀疏码形成局部直方图来提取。对于词识别，我们将包括字符检测分数与几何上下文在内的多线索集成到目标函数中。最终识别结果通过搜索对应于目标函数最大值的词获得。目标函数中的参数使用最小分类误差（Minimum Classification Error, MCE）训练方法学习。在若干具有挑战性的数据集上的实验表明，所提出的基于 HSC 的场景文本识别方法显著优于基于 HOG 的方法，且优于大多数 state-of-the-art 方法。
引用
@article{arxiv.1512.08669,
title = {Robust Scene Text Recognition Using Sparse Coding based Features},
author = {Da-Han Wang and Hanzi Wang and Dong Zhang and Jonathan Li and David Zhang},
journal= {arXiv preprint arXiv:1512.08669},
year = {2015}
}