Dec, 2013

使用深度卷积神经网络从街景图像识别多位数

PDF
TL;DR本文提出了一种集成了多个步骤的深度卷积神经网络，直接在图像像素上解决了识别街景图像中任意多位数字的难题，并在公开数据集 SVHN 上达到超过 96% 的识别率，在识别每个数字的任务上超过了当前最先进的技术，在 reCAPTCHA 上的识别准确率为 99.8%，表明该系统在特定操作阈值下可以与甚至超过人类操作员的性能。
multi-digit recognitionconvolutional neural networksvhn datasetstreet view imageryrecaptcha
发现论文，激发创造
  • 卷积神经网络用于房屋数字分类

    本文使用卷积神经网络 (ConvNets) 分类实际房屋数字，通过学习多层特征和使用 Lp pooling 等方法优化传统神经网络结构并在 SVHN 数据集上实现了 94.85% 的准确率，比以前的方法提高了 45.2% 的准确性，同时分析了 ConvNets 中不同池化方法和多层特征的优劣。

    Apr, 2012

  • 使用卷积神经网络从自然场景中读取文本

    本研究介绍了一种基于卷积神经网络的端到端文本识别、图像检索系统，使用了一些新颖的深度学习技术实现文本定位、识别、筛选和排序，在多个基准测试数据集上获得了最先进的性能表现，并应用于新闻视频检索中。

    Dec, 2014

  • 多列深度神经网络用于图像分类

    介绍了一种基于神经网络算法的计算机视觉和机器学习新方法，通过极小的感受野感知神经元构建深度神经网络来实现图像分类，相比于传统的方法显著提高识别性能

    Feb, 2012

  • 基于注意力的街景图像结构信息提取

    本研究利用卷积神经网络（CNNs）、循环神经网络（RNNs）和新型的注意力机制设计了一个神经网络模型，可在处理困难法国街头路名标志（FSNS）数据集时，以 84.2％的准确率远超过之前的最优结果（Smith'16）的 72.46％。同时，该模型更为简单通用，并可应用到从谷歌街景视图（Google Street View）得出的商店门面提取业务名称的更加困难的数据集上，并对采用 CNN 特征提取器的深度在速度 / 准确度之间寻求折衷结果表明，深度不一定总是更好的选择。最终，构建出来的模型既简单又快速准确，有望应用在各种具有挑战性的实际文本提取问题上。

    Apr, 2017

  • 使用卷积神经网络研究手写数字识别的不同隐藏层和时期的准确性变化

    本文旨在分析卷积神经网络隐藏层模式对其整体性能的影响，针对 MNIST 数据集使用不同层数的神经网络测试其准确率变化并进行比较，探究深度学习在模式识别上的应用。

    Sep, 2018

  • 基于几何感知的高效文本识别

    本文介绍用于场景文本识别的深度学习架构 GeoTRNet 的概念、理论、实现及实验结果，该架构专用于处理常规场景文本，只使用几何特征识别图像中的数字，具有优异的模型可部署性、数据隐私性、模型可靠性，同时具有最小化模型权重、更短的推理时间等优势。

    Feb, 2023

  • 卷积神经网络实现准确、高效、无限制的文字识别

    文章提出了一种数据高效，端到端的神经网络模型用于通用的非受限文本识别，并通过在七个公共数据集上达到最优结果，表明了这种模型的通用性和优越性。

    Dec, 2018

  • 基于部分监督学习的大规模中文街景文字阅读

    该研究提出了一个大规模的文本阅读基准数据集，名为 Chinese Street View Text（C-SVT），可用于评估深度学习模型的性能。同时，介绍了使用弱标注数据的部分监督学习框架进行文本识别的方法。基于该框架，提出了一种在线提议匹配模块和一种共享参数的定位算法，以提高模型的端到端识别表现，并在 ICDAR 2017-RCTW 数据集中取得了最新的结果。

    Sep, 2019

  • MNIST 手写数字图像的修剪

    我们提出了一种两阶段深度学习方法，用于识别手写数字，通过过滤失真和模糊图像来改善分类准确度，并在测试数据集上达到 99.5% 的准确率。

    May, 2023

  • 使用卷积神经网络的手写体识别

    通过使用 NIST 数据集对卷积神经网络进行训练并提取图像特征，成功实现了 90.54% 的识别准确率和 2.53% 的损失，该技术可以对手写和印刷文本进行 OCR 和 ICR 的处理。

    Jul, 2023