抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
深さ学習技術の発展に伴い、自然情景テキスト検出の性能が著しく向上した。しかし、現在、2つの主要な挑戦がある:一つは速度と精度の間のトレードオフであり、二つは任意形状のテキスト実例に対する検査である。本論文では,分割法に基づく任意形状シーンテキストを効率的かつ正確に検出する。具体的には,低計算コストの分割ヘッドと簡潔で効率的な後処理を用いて,分割ヘッドは特徴ピラミッド増強モジュールと特徴融合モジュールから成り,前者はマルチレベルの情報を導入してより良いセグメンテーションを指導できる。後者は,異なる深さの特徴集合を最終特徴に分割する。本論文では,二値化閾値を適応的に設定し,分割法で生成した確率グラフをテキスト領域に変換し,テキスト検出の性能を改善した。標準データセットICDAR2015とTotal-Textにおいて、提案手法は軽量級幹ネットワークを用いて、ResNet18が速度と精度において比較可能な結果を達成した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】