用于第一视角场景图像端到端词 spotting 的 Soft-PHOC 描述符
计算机视觉与模式识别
2019-10-14 v2
摘要
自然场景图像中的词 spotting 在场景理解与视觉辅助方面有许多应用。本文中，我们提出一种基于文本属性（即字符概率图）来创建并利用图像中间表示的技术。我们的表示扩展了金字塔字符直方图（PHOC）的概念，通过全卷积网络（Fully Convolutional Networks）推导候选词区域内字符分布的逐像素映射。我们称此表示为 Soft-PHOC。此外，我们展示了如何通过高效的文本行提议算法，将 Soft-PHOC 描述符用于第一视角相机流中的词 spotting 任务。该算法基于字符属性图上的霍夫变换（Hough Transform），随后使用动态时间规整（DTW）进行打分。我们在 ICDAR 2015 Challenge 4 数据集（由第一视角相机拍摄的偶发场景文本）上评估了我们的结果。
引用
@article{arxiv.1809.00854,
title = {Soft-PHOC Descriptor for End-to-End Word Spotting in Egocentric Scene Images},
author = {Dena Bazazian and Dimosthenis Karatzas and Andrew D. Bagdanov},
journal= {arXiv preprint arXiv:1809.00854},
year = {2019}
}
备注
9 pages, 10 figures, The Third International Workshop on Egocentric Perception, Interaction and Computing (EPIC) at ECCV2018