文献

J-GLOBAL ID：201902282283852258   整理番号：19A2730240

AUTNT-新しいスクリプト不変特徴記述子とD-CNNによるテキスト非テキスト分類とベンチマーキングのためのコンポーネントレベルデータセット【JST・京大機械翻訳】

AUTNT - A component level dataset for text non-text classification and benchmarking with novel script invariant feature descriptors and D-CNN

著者 (2件)： Khan Tauseef (Department of Computer Science and Engineering, Aliah University, Kolkata, India) ,  Mollah Ayatullah Faruk (Department of Computer Science and Engineering, Aliah University, Kolkata, India)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 78  号： 22  ページ： 32159-32186  発行年： 2019年 
JST資料番号： W1102A  ISSN： 1380-7501  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： カメラ画像からの自動化シーンテキスト認識は,過去数十年を通して先駆的研究領域と考えられている。カメラ画像からの前景オブジェクト成分の分類は,テキスト情報抽出(TIE)の必須ステップである。複雑な文書画像と非構造化自然画像からのテキスト/非テキスト分離は依然として困難な課題である。この方向でいくつかの研究が報告されているが,特にテキスト/非テキスト分類のための成分レベル標準ベンチマークデータセットは利用できない。本論文において,テキストと非テキスト成分の新しいマルチスクリプトデータセットを,多目的グランドトルースアノテーションとともに報告した。また,新しい特徴集合を,このデータセット上でベンチマーク性能を設定するために,内側骨格点の距離情報に基づいて設計した。また,ベンチマーキング目的のために,Deep Convolution Neural Network(D-CNN)に基づく自動化特徴抽出と分類フレームワークを開発した。文献と自然シーンから生じた成分画像に関する現在の2つのベンチマーク方法の別々の評価を実施することによって,より多くの洞察を提唱した。実験結果により,分類精度は,内側骨格ベース特徴ディスクリプタに対して94.00%以上であり,そして,両タイプのソース上で,D-CNNフレームワークに対して96.00%以上であり,そしてそれは,実用的シナリオにおいて非常に印象的であった。Copyright 2019 Springer Science+Business Media, LLC, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動化 ,  *不変性 ,  特徴抽出 ,  アルゴリズム ,  ベンチマーク ,  画像 ,  統制索引語 ,  写真像
準シソーラス用語： 分類精度 ,  自然画像 ,  前景 ,  *ベンチマーキング ,  *テキスト分類 ,  *テキスト ,  *スクリプト , 【Automatic Indexing@JST】

著者キーワード (5件)： テキスト非テキスト分類 ,  距離変換(DT) ,  内側骨格 ,  ロープアルゴリズムの燃焼 ,  深部畳込みニューラルネットワーク

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： スクリプト ,  不変 ,  特徴記述子 ,  CNN ,  テキスト分類 ,  ベンチマーキング