基于組件樹(shù)和霍夫森林的文字檢測(cè)與識(shí)別.pdf

1、自然場(chǎng)景中的文字檢測(cè)與識(shí)別是圖像理解中的重要部分，不僅可用于圖像標(biāo)注，還可用于視頻監(jiān)控分析、基于位置的服務(wù)和實(shí)時(shí)翻譯等領(lǐng)域。由于自然場(chǎng)景的復(fù)雜性，以及文字本身的多樣性，目前還沒(méi)有針對(duì)該問(wèn)題的完善的解決方案。在現(xiàn)有大部分的系統(tǒng)設(shè)計(jì)中，檢測(cè)和識(shí)別被看成是孤立的兩部分分別獨(dú)立進(jìn)行處理，識(shí)別任務(wù)要求以精確的定位為前提，在檢測(cè)的過(guò)程中沒(méi)有充分利用文字本身的差異性特征。
　　本文提出兩種有效的解決方案。第一種方案，利用深度卷積自編碼網(wǎng)絡(luò)進(jìn)行無(wú)

2、監(jiān)督特征學(xué)習(xí)，并使用稀疏編碼對(duì)多尺度下的特征進(jìn)行融合，實(shí)現(xiàn)了復(fù)雜場(chǎng)景下的文字定位。該方案雖然檢測(cè)效果良好，但計(jì)算量較大，不能滿足實(shí)時(shí)的需求。第二種方案，本文提出使用多類霍夫森林建立一個(gè)統(tǒng)一的檢測(cè)識(shí)別框架，避免檢測(cè)和識(shí)別問(wèn)題的割裂，有效提高了系統(tǒng)的整體計(jì)算效率和檢測(cè)的準(zhǔn)確度。針對(duì)霍夫森林在類別增多時(shí)識(shí)別率下降，以及在尺度多變的情況下定位偏移的問(wèn)題，本文提出以使用組件樹(shù)提取文字候選區(qū)域，有效去除大量的背景區(qū)域，并確定目標(biāo)的尺度大小，有效解決

3、了定位偏移的問(wèn)題。
　　本文的主要工作如下：
　　1.提出通過(guò)深度卷積自編碼網(wǎng)絡(luò)進(jìn)行無(wú)監(jiān)督特征學(xué)習(xí)，以及利用稀疏編碼對(duì)多尺度下的特征進(jìn)行融合，應(yīng)用到自然場(chǎng)景下的文字定位問(wèn)題中;
　　2.通過(guò)修改霍夫森林的結(jié)點(diǎn)分割判決函數(shù)，把霍夫森林?jǐn)U展為多類分類器，并應(yīng)用在文字檢測(cè)和識(shí)別上，建立一個(gè)統(tǒng)一的框架;
　　3.提出使用組件樹(shù)，并結(jié)合一組針對(duì)文字設(shè)計(jì)的特征提取文字的候選區(qū)域，同時(shí)確定目標(biāo)的尺度大小，避免了在尺度不確定的情