无约束场景文本识别的序列到序列学习
计算机视觉与模式识别
2016-07-22 v1 机器学习
神经与进化计算
摘要
本文提出了一种用于无约束自然场景文本识别的最先进方法。我们提出了一种级联方法，该方法结合卷积神经网络（CNN）架构与长短期记忆模型（LSTM）。CNN学习字符的视觉特征，并通过softmax层利用这些特征检测字符序列。虽然CNN能给出很好的识别结果，但它无法建模字符之间的关系，因此会产生误检和漏检情况（由于视觉相似性混淆字符，如"g"与"9"，或将背景区域误认为字符：要么删去已有字符，要么添加不存在的字符）。为了缓解这些问题，我们利用LSTM架构的最新进展来编码上下文信息。我们表明LSTM可以显著减少此类错误，并在无约束自然场景文本识别任务中达到最先进精度。此外，我们手动将测试集中出现的所有词汇从训练集中移除，以检验该方法是否能泛化到未见数据。我们使用ICDAR 13测试集进行评估，并与最先进方法[11, 18]进行了比较。最后，我们在交通监控领域展示了该工作的应用。
引用
@article{arxiv.1607.06125,
title = {Sequence to sequence learning for unconstrained scene text recognition},
author = {Ahmed Mamdouh A. Hassanien},
journal= {arXiv preprint arXiv:1607.06125},
year = {2016}
}
备注
It is my master thesis. The thesis was done at Sony Technology Center Stuttgart and presented to Nile University. The thesis supervisors are Mark Blaxall, Fabien Cardinaux, and Motaz Abdelwahab