自然图像里的文本检測和识别2010-2014年论文汇总

我会不定时更新的。

1. 首先给大家介绍一个非常好用的CV 领域会议 期刊论文集网址。

http://www.cvpapers.com/index.html

2.下面是2010-2014年 CVPR ICCV ECCV ACCV BMVC ICPR ICLR siggraph eurographics IJCAI上的有关自然图像中的文本检測和文本识别的文章。

1.CVPR 2014 Large-Scale Visual Font Recognition.pdf

Wang, K and Belongie, S. Word spotting in the wild. In ECCV. 2010.

2.cvpr 2014 Strokelets: A Learned Multi-Scale Representation for Scene Text Recognition (PDF)

Cong Yao, Xiang Bai*(Huazhong University of Science and Technology), Baoguang Shi, Wenyu Liu

Chen-Yu Lee (UCSD), Anurag Bhardwaj (eBay Research Labs), Wei Di (eBay Research Labs), Vignesh Jagadeesh (eBay Research Labs), Robinson Piramuthu (eBay Research Labs)

3.cvpr 2014 What are you talking about?

Text-to-Image Coreference (PDF) - formely: What are you talking about?

Text-to-Image Co-reference . Chen
Kong (Tsinghua University), Sanja Fidler* (Toyota Technnological Institute), Mohit Bansal (TTI-C), Dahua Lin (Toyota Technnological Institute), Raquel Urtasun (University of Toronto)

4. cvpr A Fast Approximate AIB Algorithm for Distributional Word Clustering Lei Wang, Jianjia Zhang, Luping Zhou, Wanqing Li

5.cvpr 2012 Real-Time Scene Text Localization and RecognitionLukas Neumann, Jiri Matas

6.cvpr 2012 Top-Down and Bottom-up Cues for Scene Text Recognition (PDF, project) Anand Mishra, Karteek Alahari, C.V. Jawahar

7.cvpr2011  Enforcing Similarity Constraints with Integer Programming for Better Scene Text Recognition (PDF)

David Smith (UMass Amherst), Jacqueline Feild (UMass Amherst), Eric Learned-Miller

8.cvpr2012  Unsupervised Auxiliary Visual Words Discovery for Large-Scale Image Object Retrieval (PDF)

Yin-Hsi Kuo (National Taiwan University and Academia Sinica), Hsuan-Tien Lin, Wen-Huang Cheng, Yi-Hsuan Yang, Winston Hsu

9.iccv2013  Scene Text Localization and Recognition with Oriented Stroke Detection

Lukas Neumann*, Jiri Matas (Czech Technical University)

10.iccv 2013  Recognizing Text with Perspective Distortion in Natural Scenes (PDF, project)

Trung Quy Phan* (National University of Singapore), Palaiahnakote Shivakumara (University of Malaya), Shangxuan Tian (National University of Singapore), Chew Lim Tan (National
University of Singapore)

11.iccv2013  Text Localization in Natural Images using Stroke Feature Transform and Text Covariance Descriptors

Weilin Huang (Adobe Research), Zhe Lin (Adobe Research), Jianchao Yang (Adobe Systems Inc.), Jue Wang*

12 . ICCV (2013 Bissacco, A., Cummins, M., Netzer, Y., Neven, H.: PhotoOCR: Reading text in uncontrolled conditions.

13. ICCV 2011 Wang, K., Babenko, B., Belongie, S.: End-to-end scene text recognition. In: Proc. ICCV. pp. 1457{1464. IEEE (2011)

14. ICCV, 2011 Wang, K, Babenko, B, and Belongie, S. End-to-end scene textrecognition.

Weilin Huang, Yu Qiao

15.eccv 2014  Deep Features for Text Spotting (PDF) Max Jaderberg, Andrea Vedaldi, U Oxford, Andrew Zisserman, Oxford

16. eccv 2014  Robust Scene Text Detection with Convolution Neural Network Induced MSER Trees

17. eccv 2012  Large-lexicon attribute-consistent text recognition in natural images

Tatiana Novikova (Moscow State University), Olga Barinova (Moscow StateUniversity), Pushmeet Kohli, Victor Lempitsky

18. accv 2010   A method for text localization and recognition in real-world images (PDF) Lukas Neumann, Jiri Matas

19.bmvc Efficient Exemplar Word Spotting Jon Almaz??n, Albert Gordo, Alicia Forn??s, Ernest Valveny

20. ICDAR 2013 Goel, V., Mishra, A., Alahari, K., Jawahar, C.: Whole is greater than sum of parts:

Recognizing scene text words. In: Document Analysis and Recognition (ICDAR),

21. ICDAR, 2011.  Coates, A, Carpenter, B, Case, C, Satheesh, S, Suresh, B, Wang, T, Wu, D J, and Ng, A Y. Text detection and character recognition in scene images with unsupervised feature learning.

22. ICPR  (2012 Wang, T., Wu, D.J., Coates, A., Ng, A.Y.: End-to-end text recognition with convo-lutional neural networks. In: Pattern Recognition (ICPR), 2012 21st International Conference on. pp. 3304{3308. IEEE (2012)

23. ICPR, 2012 Wang, T, Wu, D, Coates, A, and Ng, A. End-to-end text recognitionwith convolutional neural networks.

24. ebvc 2013  Label embedding for text recognition Jose Rodriguez , Florent Perronnin (Xerox (XRCE) Grenoble) DOI:
  http://dx.doi.org/10.5244/C.27.5

25. ICLR (2014)  Alsharif, O., Pineau, J.: End-to-End Text Recognition with Hybrid HMM Maxout Models.

时间: 2024-10-07 23:49:09

自然图像里的文本检測和识别2010-2014年论文汇总的相关文章

自然图像里的文本检测和识别2010-2014年论文汇总

我会不定时更新的. 1. 首先给大家介绍一个很好用的CV 领域会议 期刊论文集网址. http://www.cvpapers.com/index.html 2.以下是2010-2014年 CVPR ICCV ECCV ACCV BMVC ICPR ICLR siggraph eurographics IJCAI上的有关自然图像中的文本检测和文本识别的文章. 1.CVPR 2014 Large-Scale Visual Font Recognition.pdf Wang, K and Belong

一维条形码检測与识别原理

近期在学习的内容之中的一个,整理一下,图片均为网络图片.提及的条形码主要为EAN-13码. 一.概念 条形码由宽度不同.反射率不同的条(黑色)和空(白色)组成.依照特定的编码规则编制,用来表达一组数字.字母信息的图形标识符. 工业25码 EAN-13码 为什么用黑色.白色来表示条形码? 由于两种颜色有截然不同的反射率,众所周知.黑色吸收光中的全部颜色,白色反射光中的全部颜色.当然.也能够用其它两种颜色来表示条形码,仅仅要两种颜色有不同的反射率.足够的对照度. 二.EAN-13码 EAN-13码是

C++内存泄露检測原理

转自:http://hi.baidu.com/jasonlyy/item/9ca0cecf2c8f113a99b4981c 本文针对 linux 下的 C++ 程序的内存泄漏的检測方法及事实上现进行探讨.当中包含 C++ 中的 new 和 delete 的基本原理,内 存检測子系统的实现原理和详细方法,以及内存泄漏检測的高级话题.作为内存检測子系统实现的一部分,提供了一个具有更好的使用特性的相互排斥体 (Mutex)类. 1.开发背景 在 windows 下使用 VC 编程时,我们通常须要 DE

pencv_contrib里的Text(自然场景图像中的文本检测与识别)

平台:win10 x64 +VS 2015专业版 +opencv-3.x.+CMake Issue说明:最近做一些字符识别的事情,想试一下opencv_contrib里的Text(自然场景图像中的文本检测与识别)模块. 原因: 解决办法: 目录: 一.下载地址汇总(OpenCV+OpenCV_contrib+CMake)二.中间遇到的Issue汇总三.主要参考链接 1)Win10+VS2017编译opencv3.2.0和opencv_contrib3.2.0来调用text模块——https://

目标检測的图像特征提取之(一)HOG特征

1.HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检測的特征描写叙述子.它通过计算和统计图像局部区域的梯度方向直方图来构成特征.Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检測中获得了极大的成功.须要提醒的是,HOG+SVM进行行人检測的方法是法国研究人员Dalal在2005的CVPR上提出的,而现在尽管有非常多行人检測算法不断提出,但基本都是以HOG+SVM的思路为主. (

图像边缘检測小结

边缘是图像中灰度发生急剧变化的区域边界. 图像灰度的变化情况能够用图像灰度分布的梯度来表示,数字图像中求导是利用差分近似微分来进行的,实际上经常使用空域微分算子通过卷积来完毕. 一阶导数算子 1)  Roberts算子 Roberts算子是一种斜向偏差分的梯度计算方法.梯度的大小代表边缘的强度.梯度的方向与边缘的走向垂直.Roberts操作实际上是求旋转 \pm" title="\pm" >45度两个方向上微分值的和. Roberts算子定位精度高,在水平和垂直方向的效

OpenCV特征点检測------Surf(特征点篇)

Surf(Speed Up Robust Feature) Surf算法的原理                                                                           1.构建Hessian矩阵构造高斯金字塔尺度空间 事实上surf构造的金字塔图像与sift有非常大不同,就是由于这些不同才加快了其检測的速度. Sift採用的是DOG图像.而surf採用的是Hessian矩阵行列式近似值图像.Hessian矩阵是Surf算法的核心,为了方

【OpenCV新手教程之十七】OpenCV重映射 & SURF特征点检測合辑

本系列文章由@浅墨_毛星云 出品.转载请注明出处. 文章链接:http://blog.csdn.net/poem_qianmo/article/details/30974513 作者:毛星云(浅墨)    微博:http://weibo.com/u/1723155442 知乎:http://www.zhihu.com/people/mao-xing-yun 邮箱: [email protected] 写作当前博文时配套使用的OpenCV版本号: 2.4.9 本篇文章中,我们一起探讨了OpenCV

行人检測之HOG特征(Histograms of Oriented Gradients)

之前的文章行人计数.计次提到HOG特征这个概念,这两天看了一下原版的论文,了解了一下HOG特征的原理,并依据自己的理解将这种方法的流程写了下来,假设有不正确的地方欢迎指正. HOG(Histograms of Oriented Gradients)特征的基本思想:The basic idea is that local object appearance and shape can often be characterized rather well by the distribution of