【论文笔记/翻译】DocUNet: Document Image Unwarping via A Stacked U-Net
由于移动相机的普遍存在,捕获文档图像是数字化和记录物理文档的常见方法。为了使文本识别更容易,通常需要在物理文档页被折叠或弯曲时以数字方式展平文档图像。在本文中,我们开发了第一个基于学习的方法来实现这一目标。我们提出了一个具有中间监督的堆叠 U-Net [25],以直接预测从扭曲图像到其校正版本的前向映射。由于难以获得具有真实变形的大规模现实世界数据,因此我们通过扭曲非扭曲文档图像来创建包含大约 10 万张图像的合成数据集。该网络在该数据集上进行了各种数据增强的训练,以提高其泛化能力。
原创
2023-10-17 15:58:09 ·
293 阅读 ·
1 评论