基于Faster R-CNN及数据增广的满文文档印章检测

针对传统方法过分依赖颜色等特征,导致对古籍文档复印件检测效果不佳的问题,基于深度学习技术建立了一种新的满文文档图像印章检测方法。通过图像变换和合成技术建立满文古籍文档图像数据增广算法解决训练数据不足的问题,在所构建的增广数据集上建立Faster R-CNN深度学习模型挖掘深层图像特征,实现满文文档图像印章检测方法。对采集的真实满文文档复印件图像进行实验,印章检测精度可以达到99. 6%,表明本文的方法可以有效的检测古籍文档复印件图像中的印章,对满文文档的研究有重要意义。

基于改进TextSnake的印章字符检测算法

针对字符模糊、宽高比多变、与背景文字重叠等因素导致的印章字符易被漏检、误检等问题,提出基于TextSnake的印章字符检测算法,记作TextSnake-CR算法。首先在特征融合中嵌入手工设计的感受野增强模块,使浅层特征拥有更大感受视野,从而有效地降低误检率;其次提出颜色特征提取模块,用于提取印章字符中颜色特征,增强模糊印章字符的检测精度;最后改进模型的分类损失函数,抑制背景噪声对模型的干扰,进一步提高模型检测性能。实验结果表明,TextSnake-CR在公开印章数据集与自制数据集上的F值分别达到90.71%和81.79%,与其他算法相比,有效地提高了印章字符检测准确率。

图像中印章的检测定位与识别研究

本文实现了对复杂背景情况下印章的检测定位和配准。首先,对于印章的检测定位,根据印章大多数为红色这一特点进行检测,经测试HSI色彩模型比RGB模型效果更好。其次在印章配准方面,先提取待测印章的SIFT特征,在印章库中寻找匹配的印章,得到粗匹配结果;然后使用RANSAC算法去除粗匹配中的错误配对点;最后根据匹配结果计算出仿射矩阵,将待匹配印章转换至标准尺寸和角度,进行第二次匹配和比较。通过实验验证,本文算法印章识别准确率较高。

一种基于YOLOv5模型结合数据增强的印章与签字检测方法

文章提出一种基于YOLOv5模型结合数据增强的印章与签字检测方法。为解决实际场景中进行印章和签字标注人工成本较高的问题,提出了一种印章签名的数据增强方法,并结合深度学习算法YOLOv5进行建模,实现了小数据样本下的印章与签字检测建模。与传统的检测方法相比,该方法可以有效地提高检测准确率和精确率,并且具有更好的鲁棒性,可以应用于电子政务等业务系统中。