An Overview of Symbol Recognition符号识别综述

Contents
Introduction. ....................................................................................... 524
History. ........................................................................................ 524
Evolution of the Research Field. ............................................................. 526
Features. ........................................................................................... 528
Polar Representation. ......................................................................... 530
Invariance to Similarities...................................................................... 530
Pixel Descriptors. ............................................................................. 531
Multi-scale/Resolution Decomposition. ...................................................... 534
Structural Descriptors. ........................................................................ 535
Recognition Methods. ............................................................................. 538
Distance and Similarity Measures. ........................................................... 539
Embedding Methods. ......................................................................... 540
Structural Classification. ...................................................................... 540
Statistical Classification. ...................................................................... 541
Symbol Spotting................................................................................... 543
Conclusion. ........................................................................................ 546
Cross-References. ................................................................................. 547
References. ........................................................................................ 547
Further Reading. .............................................................................. 551

Abstract摘要

According to the Cambridge Dictionaries Online, a symbol is a sign, shape, or object that is used to represent something else.

根据剑桥词典,符号(symbol)是用来表示其他事物的符号、形状或物体。

Symbol recognition is a subfield of general pattern recognition problems that focuses on identifying, detecting,and recognizing symbols in technical drawings, maps, or miscellaneous documents such as logos and musical scores.

符号识别是一般模式识别问题的一个子领域,它关注于识别、检测和识别技术图纸、地图或其他文档(如徽标和乐谱)中的符号。

This chapter aims at providing the reader an overview of the different existing ways of describing and recognizing symbols and how the field has evolved to attain a certain degree of maturity.

本章旨在为读者提供描述和识别符号的不同现有方式的概述,以及该领域如何进化以达到一定程度的成熟度。

原文地址:https://www.cnblogs.com/2008nmj/p/12173540.html

时间: 2024-10-21 14:05:51

An Overview of Symbol Recognition符号识别综述的相关文章

Activity Recognition行为识别

暑假听了computer vision的一个Summer School,里面Jason J. Corso讲了他们运用Low-Mid-High层次结构进行Video Understanding 和 Activity Recognition的方法,受益颇深,在这里把他的方法总结一下: ------------------------------------------------------------------------------------------------- 1. 层次结构表示:

基于视觉的人的运动识别综述

人的运动识别 ,可以简单地看成一个时变数据的分类问题 ,包括运动的表示和运动的识别两部分 人运动的类别 人的运动可以分为三类 : 动作 ( movement ) .行为 ( activity) 和行动 ( action) , 这三类运动分别处于三个不同复杂程度的层次上. 动作是运动的基元 ,是最基本的运动 , 是形成其他复杂 . 高级运动的基础. 一般来说动作在执行过程中会持续较短的时间 ,其识别方法一般可以采用几何或概率统计的方法. 譬如 ,打网球时挥动了一下球拍 ,这就是一个动作. 行为是指

人脸表情识别综述

一.人脸表情识别技术目前主要的应用领域包括人机交互.安全.机器人制造.医疗.通信和汽车领域等 二.1971年,心理学家Ekman与Friesen的研究最早提出人类有六种主要情感,每种情感以唯一的表情来反映人的一种独特的心理活动.这六种情感被称为基本情感,由愤怒(anger).高兴(happiness).悲伤 (sadness).惊讶(surprise).厌恶(disgust)和恐惧(fear)组成 人脸面部表情运动的描述方法---人脸运动编码系统FACS (Facial Action Codin

sgu-262 Symbol Recognition

题目大意: 有K个N?M的01矩阵(1<=N,M<=10,2<=K<=6),保证两两不同,然后要你从N?M矩阵中选出最少的位置,使得仅靠这些位置就能区分这K个矩阵. 解题思路: 我们观察到K的范围,发现如果我们将所有矩阵两两是否可以区分的信息存储下来需要的空间是2K?(K?1)2,是可以承受的,然后我们逐格dp,F[i][j][G]表示考虑到了第(i,j)并且区分状态是G时所需的最小的选取数,然后我们可以预处理出对于选取(i,j)可以区分那几对矩阵. 所以最后的答案就是F[N][M

Handbook of Document Image Processing and Recognition文档图像处理与识别手册

编辑:David Doermann(马里兰大学)Karl Tombre(洛林大学) 前言 In the beginning, there was only OCR. After some false starts, OCR became a competitive commercial enterprise in the 1950’s. A decade later there were more than 50 manufacturers in the US alone. With the a

行为识别特征提取综述

行为识别特征提取综述   摘要   人体行为识别目前处在动作识别阶段,而动作识别可以看成是特征提取和分类器设计相结合的过程.特征提取过程受到遮挡,动态背景,移动摄像头,视角和光照变化等因素的影响而具有很大的挑战性.本文将较全面的总结了目前行为识别中特征提取的方法,并将其特征划分为全局特征和局部特征,且分开介绍了其优缺点. 关键字: 行为识别 特征提取 全局特征 局部特征 1. 前言   如今人体行为识别是计算机视觉研究的一个热点,人体行为识别的目标是从一个未知的视频或者是图像序列中自动分析其中正

nm命令中符号类型详解

摘自http://blog.csdn.net/solmyr_biti/article/details/6565479 nm命令介绍的很多,但大多不介绍其函数符号标志的含义.最近在调试动态库时常用到,其中用的最多的用法:nm -A * |grep “aaa” | c++filt  // -A 为了显示文件, c++filt转换为可读风格,好像有个参数也能实现类似功能 其他内容整理如下(原作者未知): nm用于列出目标文件的符号清单,如果没有指定目标文件,则默认为“a.out”.nm的格式如下: n

基于Deep Learning 的视频识别方法概览

深度学习在最近十来年特别火,几乎是带动AI浪潮的最大贡献者.互联网视频在最近几年也特别火,短视频.视频直播等各种新型UGC模式牢牢抓住了用户的消费心里,成为互联网吸金的又一利器.当这两个火碰在一起,会产生什么样的化学反应呢? 不说具体的技术,先上一张福利图,该图展示了机器对一个视频的认知效果.其总红色的字表示objects, 蓝色的字表示scenes,绿色的字表示activities. 图1 人工智能在视频上的应用主要一个课题是视频理解,努力解决"语义鸿沟"的问题,其中包括了:    

Aspose.BarCode已修复关于PDF417条码识别和生成的各种问题条码控件网

Aspose.BarCode是由Aspose Pty Ltd所开发的一款功能强大,且稳健的条形码生成和条码识别组件,其使用托管的C#编写,能帮助开发者快速简便的向其Microsoft应用程序(WinForms, ASP.NET 和.NET Compact Framework)添加条形码生成和条码识别功能.有了Aspose.BarCode,开发者能对条形码图像的每一方面进行全面的控制:背景颜色,条形颜 色,图像质量,旋转角度,X尺寸,标题,客户自定义分辨率等.Aspose.BarCode可以从任意