![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文笔记
文章平均质量分 90
糖梦梦是女侠
路漫漫其修远兮,吾将上下而求索。
展开
-
【论文笔记】Deep Structured Output Learning for Unconstrained Text Recognition
论文结构:Abstract1.Introduction2.Related Work3.CNN Text Recognition Model 3.1 Character Seguence Model Review 3.2 Bag-of-N-gram Model Review4.Joint Model5.Evaluation 5.1 D原创 2016-05-24 11:28:47 · 4050 阅读 · 0 评论 -
【论文笔记】Recursive Recurrent Nets with Attention Modeling for OCR in the Wild
《Recursive Recurrent Nets with Attention Modeling for OCR in the Wild》已经被CVPR 2016(CV领域三大顶会之一)正式接收了,主要是介绍了在lexicon-free的情况下,使用带Attention Model的recurcive RNN识别自然场景中的文本,也就是用RNN来做OCR(Optical Character Recognition)的工作。我觉得这篇paper有个写得特别好的地方,就在在Section 2介绍方法时,同时将原创 2016-05-26 09:42:36 · 9290 阅读 · 12 评论 -
【论文笔记】Reading Scene Text in Deep Convolutional Sequences
1.内容概述 建立一个深度文本循环网络(Deep-Text Recurrent Network, DTRN),将自然场景中的文本识别问题转换成一个序列标记问题。为了避免比较困难的字符分割问题,使用CNN从整张词汇图片中生成一个有序的高级序列,然后使用建立在长短记忆网络(long short-term memory,LSTM)上的深度循环模型来识别生成CNN序列。原创 2016-04-29 09:20:28 · 3282 阅读 · 0 评论 -
【论文笔记】Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》收录于Neural Information Processing Systems (NIPS), 2015( Meachine Learning领域的顶会)。R-CNN和Fast R-CNN引领了近两年目标检测的潮流,Fast R-CNN对R-CNN进行了加速,而这篇Faster R-CNN则进一步对Fast R-CNN进行了加速,使得这种基于CNN原创 2016-05-31 11:29:14 · 31172 阅读 · 8 评论