文献

J-GLOBAL ID：201802242111783353   整理番号：18A0444634

CNNの再帰的適用による自然画像における実時間文書局在【Powered by NICT】

Real-Time Document Localization in Natural Images by Recursive Application of a CNN

著者 (2件)： Javed Khurram ,  Shafait Faisal
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICDAR  ページ： 105-110  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： 普遍性 ,  知識管理 ,  画像処理 ,  深層 ,  ロバスト性 ,  モデリング ,  *画像 ,  ディジタル方式 ,  コンピュータビジョン
準シソーラス用語： 物体検出 ,  局在化 ,  ディジタル化 ,  シームレス ,  紙文書 ,  *実時間 ,  *自然画像 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： CNN ,  自然画像 ,  実時間 ,  文書