抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ディジタル紙文書からの情報のシームレスな統合は,効率的な知識管理のために重要である。これを達成する一つの便利な方法は,自然画像から文書をディジタル化することである。これは画像における文書の正確な局在性を必要とする。いくつかの方法がこの問題を解決するために提案されているが,それらは極端な視点と背景変化にロバストでない伝統的な画像処理技術に依存している。一方,深層畳込みニューラルネットワーク(CNN)は物体検出と分類タスクにおける背景と視点の変化に非常にロバストであることを示した。それらのロバスト性と一般性に触発されて,リアルタイムで文書を正確に位置決めする新しいCNNに基づく方法を提案した。局在問題をモデル化キーポイント検出問題。文書の四隅を併用深層畳込みニューラルネットワークにより予測した。CNNの新しい再帰的応用を用いた著者らの予測を改良した。システムの性能はICDAR2015SmartDoc競合1データセットで評価した。結果は簡単な背景に関する技術の状態と同等で,複雑な背景に関する技術の状態を94%に改良する以前の86%であった。コード,データセット,モデルで:https://github.com/KhurramJaved96/Recursive CNN利用可能である。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】