A method for text localization andrecognition in real-world images(2010)

A method for text localization andrecognition in real-world images(2010)

Abstract:
(i)抛弃feed-forwad前馈方法，使用hypotheses-verification设想-验证法;

(ii)使用合成文字去训练 免去数据获取和标记的时间消耗

(iii)使用对几何变换、光照具有鲁棒性的MSERs

 

Results: recog- 72% ( Char74k dataset) 超最优+18%

(ii)第一个结合了detec+recog

 

1.introduction

(i) 场景文本特点 - 不统一背景、透视、简短的小片、字体语言不同、文本排列不一、专有名词

(ii)大多数的sequential pipelinemethod-（loc+segmentation+recog）总体的识别率受到每一步准确率的影响

(ii-i)separting method-丢失信息

(iii)本文end-to-end

Property1: 人造训练集

         2:在某些scalar projection中像素是极值区域，因此可以区分出背景、文本（recog前）

         3:pipeline中有很多的假定，hypotheses-verification

2.problem description

3.loc+recog

(i) MSER detection + classification(SVM+RBFkernel)

文本、非文本分类具有缩放不变性，但对旋转不鲁棒，因此训练集中需要加入不同旋转的文本

训练集包括1227字符1396非字符，交叉验证误差5.6%

用于字符分类的特征：纵横比、分段高度、紧密度、孔洞数、凸出、颜色一致性、背景颜色一致性、笔画一致性

3.3text line hypothesis

本文只针对水平文本

3.4几何归一化

三个最重要参数：透视畸变修正先于识别，lx ly通过水平消失点VH计算，

几何归一化处理原图、归一化输入、归一化结果

3.5识别

Recog feature+region splitting文本切分

印刷体文本

3.7语言模型

当识别文本属于字典得分为1，否则…

4.实验

Chars74K-54.3%、ICDAR2003