文献

J-GLOBAL ID：201902283070903612   整理番号：19A0370528

マルチスケールテキスト検出のためのテキスト注意を用いた階層的特徴融合【JST・京大機械翻訳】

Hierarchical Feature Fusion With Text Attention For Multi-scale Text Detection

著者 (3件)： Liu Chao (ADSPLAB, School of ECE, Peking University, Shenzhen, China) ,  Zou Yuexian (ADSPLAB, School of ECE, Peking University, Shenzhen, China) ,  Guan Wenjie (ADSPLAB, School of ECE, Peking University, Shenzhen, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： DSP  ページ： 1-5  発行年： 2018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： 実用化のためのシーンテキスト検出は,複雑で変化する条件による典型的なマルチスケール物体検出タスクであるので,挑戦的なままである。単一ショット検出器(SSD)は,深い学習ベースの方法の間で,オブジェクト検出において優位性を示したが,マルチスケールテキスト検出(MTD)タスクを扱う際に,限られた能力を持っていることが注目されている。本論文では,SSDフレームワークの下でMTDタスクの性能を改善することを試みた。具体的には,新しいシングルショットワードレベルテキスト検出器を提案した。まず第一に,マルチスケールテキストオブジェクトのためにテキスト関連情報を保つ特徴を抽出するために,階層的特徴融合モジュールを設計して,意味情報を有するマルチスケール開始特徴とマルチレベル特徴を獲得した。第二に,特徴マップにおける背景擾乱を抑制するために,テキスト注意モジュールを開発して,画像に存在するテキストの位置情報を学習した。それは,特に極端に小さいサイズのとき,単語を正確に推論するのを助けた。3つの公開単語レベルテキストデータセットに関する実験結果は,ICADR2013とICDAR2015においてそれぞれF測度0.89と0.79を達成する提案方法の有効性を実証して,SVTに関して0.87の最も高い精度を達成した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  画像 ,  有効性 ,  位置情報 ,  単語
準シソーラス用語： テキストデータ ,  特徴マップ ,  マルチレベル ,  意味情報 ,  ショット検出 ,  物体検出 ,  特徴融合 ,  *テキスト ,  テキスト検出 ,  *マルチスケール , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： マルチスケール ,  テキスト検出 ,  注意 ,  特徴融合