文献

J-GLOBAL ID：202002298116365830   整理番号：20A1750666

ABCNet:適応Bezier-Curveネットワークによる実時間シーンテキストスポッティング【JST・京大機械翻訳】

ABCNet: Real-Time Scene Text Spotting With Adaptive Bezier-Curve Network

著者 (6件)： Liu Yuliang (South China University of Technology; University of Adelaide, Australia) ,  Chen Hao (University of Adelaide, Australia) ,  Shen Chunhua (University of Adelaide, Australia) ,  He Tong (University of Adelaide, Australia) ,  Jin Lianwen (South China University of Technology; University of Adelaide, Australia) ,  Wang Liangwei (Huawei Noah’s Ark Lab)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CVPR  ページ： 9806-9815  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： センテキスト検出と認識は,増加する研究注目を受けた。既存の方法は,特性ベースとセグメンテーションベースの2つのグループに大まかに分類できる。これらの方法は,文字アノテーションのためにコストがかかり,複雑なパイプラインを維持する必要があり,それはリアルタイムアプリケーションに適していないことが多い。ここでは,適応Bezier-Curveネットワーク(BeCan)を提案することにより問題に取り組んだ。著者らの貢献は3倍である。1)初めて,パラメータ化Bezier曲線により,配向または湾曲テキストを適応的に当てはめた。2)任意の形状を持つテキストインスタンスの正確な畳込み特徴を抽出するための新しいBezierAlign層を設計し,以前の方法と比較して精度を大幅に改善した。3)標準結合ボックス検出と比較して,著者らのBezier曲線検出は,無視できる計算オーバヘッドを導入し,効率と精度の両方における著者らの方法の優位性をもたらした。配向または曲がったベンチマークデータセット,すなわち,全TextとCTW1500の実験は,BeCanが最先端の精度を達成し,一方,速度を著しく改善することを示した。特に,全Text上で,著者らのリアルタイムバージョンは,競合認識精度を有する最新の最先端手法よりも10倍以上高速である。コードは,url{https://git.io/AdelaiDet}で利用可能である。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： 畳込み ,  セグメンテーション ,  *ネットワーク ,  ベンチマーク ,  パラメタリゼーション ,  Bezier曲線 ,  アノテーション
準シソーラス用語： オーバヘッド ,  認識精度 ,  リアルタイムアプリケーション ,  テキスト検出 , 【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 (2件)： 適応 ,  実時間