自然场景中基于单样例的文本检测算法

在自然场景图像中由于图像背景的复杂性,给文本检测带来了不小的挑战.为了减少复杂背景对文本检测的影响,提出一种基于单样例的文本检测算法.单样例是一幅仅包含文本区域的图像.通过计算目标图像与单样例图像之间的特征相似度,对自然场景图像中文本区域进行初步定位,大大减少了MSER算法所提文本候选区域中的非文本区域.对于得到的文本候选区域,使用几何约束以及笔画宽度特征,进一步移除非文本区域.最后合并特征相似的文字区块,提取出图像中的文本区域.实验结果表明,与其他算法相比,该算法能够准确检测出图像中的文本区域,达到理想的定位效果.

适用于单轮单样例标注场景的主动学习停止准则

针对现有的选择精度主动学习停止准则仅适用于批量样例标注场景这一问题,提出了一种适用于单轮单样例标注场景的改进的选择精度停止准则。该准则通过监督自本轮起前溯的固定学习轮次内的预测标记与真实标记间的匹配关系,对选择精度进行近似的评估计算,匹配度越高则选择精度越高,继而利用滑动时间窗实时监测该选择精度的变化,若当其高于事先设定的阈值,则停止主动学习算法的运行。以基于支持向量机的主动学习方法为例,通过6个基准数据集对该准则的有效性与可行性进行了验证,结果表明当选取合适的阈值时,该准则能找到主动学习停止的合理时机。该方法扩大了选择精度停止准则的适用范围,提升了其实用性。