-
公开(公告)号：CN111753657B
公开(公告)日：2023-01-13
申请号：CN202010428815.5
申请日：2020-05-20
Applicant: 中国科学院信息工程研究所(CN)
IPC: G06V20/40 , G06V10/774
Abstract: 本发明公开了一种基于自训练的文本检测器训练方法及系统。本方法步骤包括：1)获取来源于目标域的视频数据；使用源域的数据对检测器和跟踪器进行预训练；2)利用步骤1)训练后的检测器处理来源于目标域的视频数据，获得该视频数据每一帧的检测结果；步骤1)训练后的跟踪器根据前一帧的检测结果预测当前帧的跟踪结果；3)文本挖掘模块将每一帧的检测结果与跟踪结果进行融合生成运动轨迹，然后根据该运动轨迹中的边界包围盒来预测轨迹结果，以及从该运动轨迹中挖掘得到难正样本和难负样本，其中当且仅当该视频数据中的一帧图像A中存在难正样本或难负样本，则将图像A添加到伪数据集中；4)利用步骤3)得到的伪数据集训练检测器。
-
公开(公告)号：CN111753657A
公开(公告)日：2020-10-09
申请号：CN202010428815.5
申请日：2020-05-20
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于自训练的文本检测器训练方法及系统。本方法步骤包括：1)获取来源于目标域的视频数据；使用源域的数据对检测器和跟踪器进行预训练；2)利用步骤1)训练后的检测器处理来源于目标域的视频数据，获得该视频数据每一帧的检测结果；步骤1)训练后的跟踪器根据前一帧的检测结果预测当前帧的跟踪结果；3)文本挖掘模块将每一帧的检测结果与跟踪结果进行融合生成运动轨迹，然后根据该运动轨迹中的边界包围盒来预测轨迹结果，以及从该运动轨迹中挖掘得到难正样本和难负样本，其中当且仅当该视频数据中的一帧图像A中存在难正样本或难负样本，则将图像A添加到伪数据集中；4)利用步骤3)得到的伪数据集训练检测器。
-
公开(公告)号：CN110503090B
公开(公告)日：2021-11-09
申请号：CN201910614874.9
申请日：2019-07-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于受限注意力模型的字符检测网络训练方法、字符检测方法和字符检测器。本发明设计了基于深度神经网络的字符检测器，在网络结构中加入注意力模型来对学习到的特征进行加权，充分利用了字符周围的上下文信息来辅助字符特征的学习，并设计了一个受限关系模型来对上下文信息进行编码，考虑了不同上下文信息对当前特征的影响。本发明使用受限的上下文信息来提升字符检测的结果，通过融入合适的上下文信息，可以在很大程度上提高字符检测器的性能，使其对于复杂环境(光照、遮挡、复杂纹理等)的变化产生较强的抵抗性，能够减少检测过程中的误报和漏报，同时能够提供初步的识别结果。
-
公开(公告)号：CN110503090A
公开(公告)日：2019-11-26
申请号：CN201910614874.9
申请日：2019-07-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于受限注意力模型的字符检测网络训练方法、字符检测方法和字符检测器。本发明设计了基于深度神经网络的字符检测器，在网络结构中加入注意力模型来对学习到的特征进行加权，充分利用了字符周围的上下文信息来辅助字符特征的学习，并设计了一个受限关系模型来对上下文信息进行编码，考虑了不同上下文信息对当前特征的影响。本发明使用受限的上下文信息来提升字符检测的结果，通过融入合适的上下文信息，可以在很大程度上提高字符检测器的性能，使其对于复杂环境(光照、遮挡、复杂纹理等)的变化产生较强的抵抗性，能够减少检测过程中的误报和漏报，同时能够提供初步的识别结果。
-
-
-
Search Results
4
records
(took 0.031 seconds)
