《結合前饋和反饋機制的自然場景文本識別技術》是依託北京科技大學，由殷緒成擔任項目負責人的面上項目。
基本介紹
- 中文名：結合前饋和反饋機制的自然場景文本識別技術
- 依託單位：北京科技大學
- 項目負責人：殷緒成
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
自然場景文本識別（end-to-end scene text recognition），是人機互動、圖像理解、視頻檢索等套用的重要技術手段。當前技術主要把文本檢測、分割和識別等過程分離開來進行研究，而且具有非常有限的整體識別性能。本課題研究創新性結合前饋和反饋機制的端到端場景文本識別技術。首先，提出融合特徵集成的深度神經網路架構，研究高效的場景字元分類器及詞識別技術；其次，提出基於圖像特徵和識別輸出綜合學習的反饋技術，研究有效的場景文本識別信息反饋方法；第三，引入網路基序正反饋環前饋模式，提出全新的端到端場景文本識別信息前饋與反饋整體機制；最後，基於我們世界領先的自然場景文本檢測與分割技術，並結合前述創新方法，構建世界領先水平的端到端場景文本識別技術。本課題的研究成果在文字識別、模式識別、機器學習、圖像檢索等方面具有較大的理論意義和重要的實用價值。
結題摘要
自然場景文本識別（end-to-end scene text recognition），是人機互動、圖像理解、視頻檢索等套用的重要技術手段。當前技術主要把文本檢測和識別等過程分離開來進行研究，而且具有非常有限的整體識別性能。本課題研究創新性結合前饋和反饋機制的端到端場景文本識別技術。首先，提出了融合特徵集成的深度神經網路架構，構建了高效的場景字元分類器及詞識別技術；其次，提出了基於圖像特徵和識別輸出綜合學習的反饋技術，設計了有效的場景文本識別信息反饋方法；第三，提出了的端到端場景文本識別信息前饋與反饋整體機制，構建了基於跟蹤的視頻文本檢測與識別框架；最後，基於我們世界領先的自然場景文本檢測與分割技術，並結合前述創新方法，構建世界領先水平的端到端場景文本識別技術。 在本項目的資助下，項目組成員共發表18篇SCI/EI檢索期刊/會議學術論文，其中SCI論文10篇（含2篇IEEE Trans. Pattern Analysis and Machine Intelligence論文和2篇IEEE Trans. Image Processing論文）。特別的，項目組研究團隊在2015年國際文檔分析與識別大會Robust Reading Competition競賽中，榮獲“端到端自然場景文本識別(Generic)”、“端到端網路圖片文本識別(Generic)”等四項冠軍；在2017年國際文檔分析與識別大會Robust Reading Competition競賽中，又再次榮獲“大規模真實場景端到端文本識別”（Challenge on COCO-Text）冠軍。
