文献

J-GLOBAL ID：202002210958924735   整理番号：20A1751059

強化のための学習:テキスト認識のための結合データ増強とネットワーク最適化【JST・京大機械翻訳】

Learn to Augment: Joint Data Augmentation and Network Optimization for Text Recognition

著者 (4件)： Luo Canjie (South China University of Technology) ,  Zhu Yuanzhi (South China University of Technology) ,  Jin Lianwen (South China University of Technology) ,  Wang Yongpan (Alibaba Group)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CVPR  ページ： 13743-13752  発行年： 2020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： 手書きテキストとシーンテキストは,様々な形状と歪んだパターンに悩まされる。したがって,ロバスト認識モデルの訓練は,可能な限り多様性をカバーするために大量のデータを必要とする。データ収集とアノテーションとは対照的に,データ増強は低コスト方法である。本論文では,テキスト画像増強のための新しい方法を提案した。回転,スケーリング,および透視変換のような従来の増強法とは異なり,提案した増強法は,ロバスト認識器を訓練するのに有効で,特異的である,適切で効率的なデータ増強を学習するために設計されている。一組の特注的点を用いて,提案した増強法は柔軟で制御可能である。さらに,結合学習によるデータ増強とネットワーク最適化の分離プロセス間のギャップを埋める。エージェントネットワークは,認識ネットワークの出力から学習し,認識ネットワークのためのより適切な訓練サンプルを生成するために,基準点を制御する。規則的シーンテキスト,不規則なシーンテキストおよび手書きテキストを含むさまざまなベンチマークに関する広範な実験は,提案した増強および共同学習方法が認識ネットワークの性能を著しく高めることを示した。幾何学的増強のための一般的ツールキットは利用可能である。Copyright 2020 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 ,  *ネットワーク ,  基準点 ,  透視 ,  画像強調 ,  データ収集 ,  ベンチマーク ,  ロバスト性 ,  エージェント ,  認知モデル ,  アノテーション
準シソーラス用語： 手書き ,  協調学習 ,  ツールキット ,  *ネットワーク最適化 , 【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)： 強化 ,  学習 ,  データ増強 ,  ネットワーク最適化