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。
任意の形状テキスト検出において,正確なテキスト境界の位置決めは挑戦的で,自明でない。既存の方法は,しばしば間接的テキスト境界モデリングまたは複雑な後処理に悩まされる。本論文では,任意の形状テキスト検出のための境界学習により,統一された粗から細かいフレームワークを系統的に提示し,後処理なしにテキスト境界を正確にかつ効率的に位置決めできる。提案手法では,粗から微細に革新的反復境界変圧器を介してテキスト境界を明示的にモデル化する。この方法で,本手法は,効率を改善するために,正確なテキスト境界とアバノン複合後処理を直接獲得できる。特に,この方法は,主に特徴抽出バックボーン,境界提案モジュール,および反復最適化境界変圧器モジュールから成る。多層拡張畳込みから成る境界提案モジュールは,境界変圧器の最適化をガイドしながら,粗い境界提案を生成するために,重要な事前情報(分類マップ,距離場,および方向場を含む)を計算する。境界変圧器モジュールは符号器-デコーダ構造を採用し,その中で符号器は残留接続を有する多層変圧器ブロックによって構築され,一方,復号器は単純な多層パーセプトロンネットワーク(MLP)である。事前情報の誘導の下で,境界変圧器モジュールは,反復境界変形を通して粗い境界提案を徐々に洗練する。さらに,境界精密化の学習をさらに最適化し安定化するために,エネルギー最小化制約とエネルギー単調減少制約を導入する新しい境界エネルギー損失(BEL)を提案した。公的に利用可能で挑戦的なデータセットに関する広範な実験は,著者らの方法の最先端性能と有望な効率を実証した。【JST・京大機械翻訳】