baidu_33164415的博客

外刊翻译：如何学习经济学人文章（5）

外刊翻译：如何学习经济学人文章（4）

外刊翻译：如何学习经济学人文章（2）

3、从月份上来看，9、10、11 月都是效率很高的月份，其中，10 月份能完成全年总任务的 9.5%，是效率最高的月份；1、一天之中，我们的工作效率会在上午 11 点左右达到峰值，午饭之后工作效率开始缓慢下降，而到了下午 4 点之后，工作效率会呈现出跳水式的下降。2、每周周一，我们的工作效率是最高的，之后每日完成的工作量逐日递减，到了周五的时候会达到最低点，平均只能完成每周工作总量的 16.7%。4、从季节上来看，气候舒适的秋季是工作效率最高的季节，而寒冬则是效率最低的季节，不过这也和冬季的假期最多有关。

最卖票的系列电影：如果计入通货膨胀，也就是按现在的消费水平估算以前的电影票房，那么星球大战系列将会以约 220 亿美元的总收入夺得第一。然而，近些年我们却看到，越来越多的好莱坞电影其实是“冷饭热炒”——换言之，大的电影 IP 陆续推出各式各样的续集，比如：全球大热的《复仇者联盟》系列。最长寿的系列电影：英国电影 Carry On 系列，从 1958 年出品第一部，到 1992 年才停止拍摄，期间产出了 31 部电影，并且从未更换过导演及核心团队。在有史以来最卖座的 10 部电影中，现在有 6 部都是续集。

外刊文章翻译-这个时代的人比过去更愤怒

外刊文章翻译-A Mask Attention Guided One-Stage Scene Text Spotter

外刊文章翻译-Image Based Texts Transfer in Scenes

场景文本识别是计算机视觉中的一个热门研究主题。近年来，已经提出了许多基于编码器-解码器框架的识别方法，**它们可以处理透视失真和曲线形状的场景文本。**但是，他们仍然面临许多挑战，例如图像模糊，照明不均匀以及字符不完整。我们认为，大多数编码器-解码器方法都是基于本地视觉特征而没有明确的全局语义信息。在这项工作中，我们提出了一个语义增强的编码器-解码器框架，以稳健地识别低质量的场景文本。语义信息在编码器模块中用于监督，在解码器模块中用于初始化。特别是，将最新的ASTER方法作为示例集成到所提出的框架中。

外刊文章翻译-ABCNet: Real-time Scene Text Spotting with Adaptive Bezier-Curve Network

外刊文章翻译-Learn to Augment: Joint Data Augmentation and Network Optimizationfor Text Recogn

在公共基准上追求高性能一直是场景文本识别研究的驱动力，并且已经取得了显著进展。但是，深入的调查揭示了一个令人吃惊的事实，即最先进的方法在带有词汇表内文字的图像上效果很好，但对于词汇表以外单词的图像的泛化性很差。我们称这种现象为“词汇依赖”。本文建立了一个分析框架，对场景文本识别中的词汇依赖问题进行了深入的研究。主要发现包括：（1）词汇依赖无处不在，即所有现有算法或多或少都表现出这种特性；（2）基于注意力的解码器被证明在泛化词汇表外的单词很弱和基于分割的解码器在利用视觉特征方面表现良好；

场景文本检测见证了最近几年的快速发展。但是，仍然存在两个主要挑战：1）许多方法在其文本表示形式中存在误报；2）场景文本的大尺度差异使网络很难学习样本。在本文中，我们提出了ContourNet，它可以有效地解决这两个问题，并向准确的任意形状的文本检测迈出了一步。首先，提出了一种对尺度不敏感的自适应区域候选网络（Adaptive-RPN），通过仅关注预测边界框与真实边界框之间的“交集”（IoU）值来生成文本提议。

外刊文章翻译-SCATTER: Selective Context Attentional Scene Text Recognizer

外刊文章翻译-Scene Text Image Super-Resolution in the Wild

外刊文章翻译-Character Region Attention For Text Spotting

外刊文章翻译-Real-time Scene Text Detection with Differentiable Binarization

外刊文章翻译-An Efficient and Accurate Scene Text Detector

Javascript 中关于if(xx)和 a==b外刊文章翻译-Text Recognition in the Wild： A Survey的判断

外刊文章翻译-4

外刊文章翻译-3

外刊文章翻译-2

外刊文章翻译-1