OCR论文笔记系列（二）: ASTER文字识别

已于 2023-04-20 10:05:07 修改
阅读量5.4k 收藏 14
点赞数 5
分类专栏： 计算机视觉CV 深入浅出OCR 文章标签： 深度学习 神经网络 attention 注意力机制
于 2022-02-19 10:30:26 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36816848/article/details/123014991
版权
ASTER是一种端到端的神经网络模型，专门用于处理扭曲和不规则布局的文本识别。它包括矫正网络（使用 Thin-Plate Spline 转换）和注意力序列到序列识别网络。矫正网络自适应地校正输入图像，识别网络通过端到端训练预测字符序列。论文中强调了ASTER在识别扭曲文字方面的优越性，以及其作为增强检测器组件的能力。
摘要由CSDN通过智能技术生成

 

👨‍💻作者简介：大数据专业硕士在读，CSDN人工智能领域博客专家，阿里云专家博主，专注大数据与人工智能知识分享，公众号：GoAI的学习小屋，免费分享书籍、简历、导图等资料，更有交流群分享AI和大数据，加群方式公众号回复“加群”或➡️点击链接。

🎉专栏推荐：➡️点击访问《计算机视觉》<

了解本专栏 订阅专栏 解锁全文 超级会员免费看
GoAI
关注
专栏目录
订阅专栏
OCR入门教程系列（二）：OCR技术发展
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-03 2万+
导读:本文为本系列第二章，在上一章中，我们对OCR的概念、发展历程等做了详细解读，并介绍了几种OCR识别方法，本章将继续针对OCR文字识别进行详细讨论，通过不同的OCR分类识别数据集进一步介绍常用的几种OCR算法，对比传统OCR与深度学习OCR。首先是传统OCR识别方法，下面内容将从我国OCR研究历程开始展开。这篇文章将对OCR技术进行分类描述，我国OCR发展过程： 我国的印刷体汉字识别研究是从上世纪70年代末起步的，至今己有近三十年的发展历...
OCR论文笔记系列（一）: CRNN文字识别
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
12-08 2万+
本文主要介绍OCR领域经典深度学习方法CRNN+CTC,CRNN是一种卷积循环神经网络结构，用于解决基于图像的序列识别问题，特别是场景文字识别问题。CRNN网络结构包含三部分，从下到上依次为：1. 卷积层。作用是从输入图像中提取特征序列。2. 循环层。......
Python-ASTER具有灵活校正功能的注意场景文本识别器
08-11
ASTER: 具有灵活校正功能的注意场景文本识别器
【读点论文】General OCR Theory: Towards OCR-2.0 via a Unified End-to-end Model很有潜力的一个项目，希望有更多的开发者赋能，文档更完善
最新发布
白水空空
09-14 1698
此外，为了进一步提升 GOT 的实用性，我们还采用了细粒度 OCR 功能以提高交互性，针对超高分辨率图像（例如超过 2K）的动态分辨率策略，以及多页 OCR 技术来缓解 PDF 图像-文本对中分页困难的问题（例如，.tex 文件中的分页符）。图10：我们并没有特别为GOT引入除中文和英文之外的额外OCR能力，但我们爬取的PDF数据中可能含有少量其他语言的文字，导致GOT看似具备识别其他语言的能力，但我们无法保证其他语言的OCR质量，因此如果需要该功能，建议使用相应数据对模型进行微调。
论文阅读（XiangBai——【PAMI2018】ASTER_An Attentional Scene Text Recognizer with Flexible Rectification )...
weixin_30457065的博客
07-16 1213
目录 XiangBai——【PAMI2018】ASTER_An Attentional Scene Text Recognizer with Flexible Rectification 作者和论文 方法概述 1. 主要思路 2. 方法框架和流程 3. 文章亮点 ...
文字识别ASTER视频详解
codeswarrior的博客
07-06 426
https://www.bilibili.com/video/BV1dy4y1K7oM 视频博客，讲解视频为原创~ 如对您有帮助，十分荣幸~ 若有错误，望批评指正，十分感谢~
内涵：文本识别论文之Aster解读
算法工程师进阶之路
09-26 2292
ASTER是独立于另一篇博文CTC文本识别的另一篇经典识别论文。它的全称是~~A~~ ttentional ~~S~~ cene ~~Te~~ xt Recognizer with Flexible ~~R~~ ectification。这篇文章从两个维度介绍了Aster论文：整体和核心模块TPS细节。接下来计划补充另外两个维度：Attentional 文本识别和基于CTC的CRNN对比以及从Aster这篇论文中获得的启发。
ASTER: An Attentional Scene Text Recognizer with Flexible Rectification
TJMtaotao的博客，高校计算机教师
12-16 851
ASTER：一种具有灵活校正的注意力场景文本识别器 Baoguang Shi, Mingkun Yang , Xinggang Wang, Pengyuan Lyu, Cong Yao , and Xiang Bai 摘要-场景文本识别的一个挑战性的方面是处理具有扭曲或不规则布局的文本。特别是透视文本和曲线文本在自然场景中较为常见，且难以识别。本文介绍了一种端到端的神经网络模型ASTER，它由...
OCR入门教程系列（一）：OCR基础导论
热门推荐
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-01 8万+
📝导读：本系列主要介绍计算机视觉领域OCR文字识别领域技术发展方向，面向深度学习同学，内容总计五章，每章将从OCR技术发展、概念、方法等各种角度展开详细介绍。第一篇介绍OCR概念及发展以及相关数据集，其次列出几种常见的OCR文本检测与文本识别技术，文章最后分享几种开源的OCR平台，后续系列文章将继续介绍OCR相关技术及实战演练。
OCR入门教程系列（四）：文字识别技术总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-09 1万+
导读：在上一篇文章中我们对文字检测各类算法进行总结，本篇将继续介绍OCR领域文字识别理论部分的研究，将从规则文本及不规则文本的文字识别进行展开，主要介绍主流文字识别相关算法。
Python-ASTER具有灵活整流功能的注意场景文本识别器
08-11
ASTER：具有灵活整流功能的注意场景文本识别器
论文研究-利用OCR识别技术实现视频中文字的提取.pdf
09-12
针对单阈值图像分割方法在求取比较复杂的图像时效果不理想及粒子群算法容易陷入局部最优且速度较慢等等问题，提出了基于混沌粒子群优化算法的多阈值图像分割方法。该方法利用混沌运动随机性、遍历性和初值敏感性，将混沌粒子群优化算法与多阈值法相结合作全局搜索，实验结果表明了基于混沌粒子群优化算法的多阈值图像分割法用于阈值寻优减少了搜索时间，并且运行时间不随阈值数目的增加而显著增加。
华科新开源文本识别算法：ASTER与DeepLesion数据集百度云下载
我爱计算机视觉
07-27 689
(欢迎关注“我爱计算机视觉”，一个有价值有深度的公众号~)ASTER昨天跟大家介绍了白翔老师团队ECCV2018上的最新工作：华科白翔老师团队ECCV2018 OCR论文：Mask Te...
ASTER文字识别
爱编程的鱼的博客
09-05 835
的Seq2Seq的模型，它直接从矫正后的图像预测文本序列。通过大量的实验，验证了矫正网络的有效性，展现了ASTER识别规则与不规则的识别能力。此外，还证明了ASTER在端到端网络中的强大作用，它能够很好地增强文本识别的效果，使得水平方向文本识别器得以识别多方向文字。弯曲文字在自然场景中很常见，很难识别，对于弯曲文字的识别一般是先进行文字区域检测，然后再进行文本图片矫正、识别。定位网络由一个CNN网络预测出控制点坐标，并且在训练过程中无需任何坐标标注，只依赖识别网络的文本gt，完全由反向传播的梯度监督。
论文翻译-ASTER: An Attentional Scene Text Recognizer with Flexible Rectification
快乐的小小程序猿
05-27 1378
论文翻译-ASTER: An Attentional Scene Text Recognizer with Flexible Rectification 原文地址: https://ieeexplore.ieee.org/iel7/34/4359286/08395027.pdf 【推荐】相关阅读资料下载： 链接：https://pan.baidu.com/s/1Yon8qf2Lqb31SaoruZgkAA 提取码：h1ob 【注】：翻译仅供参考，准确含义和表达参考英文原文 ASTER：一个具有灵活矫
ASTER: An Attentional Scene Text Recognizer
博客
05-20 4337
文章目录总结0.摘要1.介绍1.1主要贡献2.相关工作2.1文字识别2.2文字矫正 Text Rectification2.32.3 Text Detection and End-to-End Recognition3.模型3.1Rectification Network（纠正网络）31.1Localization Network3.1.2 Grid Generator3.1.3采样3.1.4ST...
【OCR】ASTER.pytorch代码阅读
怡宝2号
05-09 1501
摘要： 这是文字识别OCR领域的一个小里程碑，后面的文章/项目或多或少都有它的影子，这里通过阅读理解代码的方式来解析一下。 1. 模型结构图 2. 模型结构 整个模型很清晰，有以下几个模块组成： STN文字矫正 CNN+LSTM特征提取+序列特征学习 基于注意力机制的Decoder 3. 项目阅读 3.1 数据 数据采用3 × 64 ×256 的输入 归一化到[0,1]，减0.5，除0.5 3.2 STN矫正模块 STN的输入将3 × 64 ×256的图像，resize到 3 × 32 × 64
OCR论文综述（含文字识别、文本检测、端到端和数据集合）
poppyty的博客
06-24 8583
OCR综述概览 1. 文字识别 指标为f1-score Conf.NetTitleSVTIIIT5KICDAR13TPAMI2015CRNNAn end-to-end trainable neural network for image-based sequencerecognition and its application to scene text recognition0.8080.7820.867CVPR2016RARERobust scene text recognition with auto
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

GoAI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值