[1] |
Y.Qin,Z.Z.Zhang,场景文本检测和识别概述,in2020年IEEE第15届工业电子与应用会议,(2020),85-89。 |
[2] |
L.Shufeng,S.Shaohong,S.Zhiyuan,复杂背景图像中的汉字识别研究2017年第二届国际图像、视觉和计算大会(ICIVC),(2017),第214-217页。 |
[3] |
B.Wang,C.L.P.Chen,使用关键字符定位和投影分析进行车牌字符分割,in2018年安全、模式分析和控制论国际会议(SPAC),(2018),510-514。 |
[4] |
R.A.P.Putro,F.P.Putri,M.I.Prasetiyowati,一种结合边缘检测分析和基于聚类的实时文本检测方法2019年第五届新媒体研究国际会议(CONMEDIA), (2019), 59-62. |
[5] |
V.V.Rampurkar,S.K.Shah,G.J.Chhajed,S.K.Biswash,《使用形态学技术从复杂图像中检测文本的方法》2018年第二届国际发明系统与控制大会(ICISC), (2018), 969-973. |
[6] |
B.Tan,Q.Peng,X.Yao,C.Hu,Z.Xu,基于角点检测和卷积神经网络的字符识别,in2017年第十三届自然计算、模糊系统和知识发现国际会议(ICNC-FSKD), (2017), 503-507. |
[7] |
T.Zheng,X.Wang,X.Yuan,S.Wang,一种基于字符分割的倾斜中文屏幕渲染文本检测和识别新方法2020年IEEE第15届工业电子与应用会议(ICIEA), (2020), 950-954. |
[8] |
R.Bagi,T.Dutta,H.P.Gupta,《杂乱文本检查器:一种适用于杂乱环境的端到端可训练的轻量级场景文本检查器》,IEEE接入,8(2020), 111433-111447. doi(操作界面):10.1109/通道.2020.3002808
|
[9] |
S.Y.Arafat,M.J.Iqbal,使用深度学习在自然场景图像中进行乌尔都语文本检测和识别,IEEE接入,8(2020), 96787-96803. doi(操作界面):10.1109/通道.2020.2994214
|
[10] |
Y.S.Chernyshova、A.V.Sheshkus、V.V.Arlazarov,用于摄像机采集图像中文本行识别的两步CNN框架,IEEE接入,8(2020), 32587-32600. doi(操作界面):10.1109/通道.2020.2974051
|
[11] |
L.Cao,H.Li,R.Xie,J.Zhu,基于CTPN和增强YOLOv3的学生习题图像文本检测算法,IEEE接入,8(2020), 176924-176934. doi(操作界面):10.1109/通道.2020.3025221
|
[12] |
田中伟,黄文华,何涛,何鹏,乔勇,用连接主义文本提议网络检测自然图像中的文本,in欧洲计算机视觉会议, (2016), 56-72. |
[13] |
X.Ren,Y.Zhou,Z.Huang,J.Sun,X.Yang,K.Chen,一种用于中文场景文本检测和识别的新型文本结构特征提取器,IEEE接入,5(2017), 3193-3204. doi(操作界面):10.1109/访问2017.2676158
|
[14] |
R.C.Gonzalez、R.E.Woods、Q.Ruan、Y.Ruan,数字图像处理, 3第个中国版,电子工业出版社,北京,(2017),404-411。 |
[15] |
Zou,Shi,Y.Guo,J.Ye,20年来的物体探测:调查,预印本,arXiv:1905.05055。 |
[16] |
Y.LeCun,L.Bottou,Y.Bengio,P.Haffner,基于梯度的学习应用于文档识别,程序。电气与电子工程师协会,86(1998), 2278-2324. doi(操作界面):10.1109/5.726791年
|
[17] |
A.Krizhevsky,I.Sutskever,G.E.Hinton,深度卷积神经网络的Imagenet分类,Commun公司。ACM公司,60(2017), 84-90. doi(操作界面):2014年10月14日/3065386
|
[18] |
K.Simonyan,A.Zisserman,《用于大规模图像识别的极深卷积网络》,预印本,arXiv:1409.1556。 |
[19] |
C.Szegedy,W.Liu,Y.Jia,P.Sermanet,S.Reed,D.Angelov,et al.,《深入卷积》IEEE计算机视觉和模式识别会议记录, (2015), 1-9. |
[20] |
K.He,X.Zhang,S.Ren,J.Sun,图像识别的深度剩余学习,inIEEE计算机视觉和模式识别会议记录, (2016), 770-778. |
[21] |
F.N.Iandola、S.Han、M.W.Moskewicz、K.Ashraf、W.J.Dally、K.Keutzer、SqueezeNet:AlexNet级精度,参数少50倍,模型大小<0.5MB,预打印,arXiv:1602.07360。 |
[22] |
F.Cholet,Xception:深度学习与深度可分离卷积,inIEEE计算机视觉和模式识别会议记录, (2017), 1251-1258. |
[23] |
A.G.Howard,M.Zhu,B.Chen,D.Kalenichenko,W.Wang,T.Weyand,et al.,《移动设备:移动视觉应用的高效卷积神经网络》,预印本,arXiv:1704.04861。 |
[24] |
马勇,黄明明,基于BP神经网络的数字识别研究,技术信息。,4(2007), 87-91. |
[25] |
R.Girshick,J.Donahue,T.Darrell,J.Malik,《用于精确对象检测和语义分割的丰富特征层次》IEEE计算机视觉和模式识别会议记录, (2014), 580-587. |
[26] |
K.He,X.Zhang,S.Ren,J.Sun,视觉识别深层卷积网络中的空间金字塔池,IEEE TPAMI标准,37(2015), 1904-1916. doi(操作界面):10.1109/TPAMI.2015.2389824年10月10日
|
[27] |
R.Girshick,快速R-cnn,英寸IEEE计算机视觉国际会议记录, (2015), 1440-1448. |
[28] |
S.Ren,K.He,R.Girshick,J.Sun,《Faster R-cnn:使用区域建议网络实现实时目标检测》,预印本,arXiv:1506.01497。 |
[29] |
K.He、G.Gkioxari、P.Dollár、r.Girshick、Mask r-cnnIEEE计算机视觉国际会议记录, (2017), 2961-2969. |
[30] |
J.Redmon,S.Divvala,R.Girshick,A.Farhadi,《你只看一次:统一的实时对象检测》IEEE计算机视觉和模式识别会议记录, (2016), 779-788. |
[31] |
W.Liu、D.Angelov、D.Erhan、C.Szegedy、S.Reed、C.Y.Fu等,Ssd:单点多盒探测器,in欧洲计算机视觉会议, (2016), 21-37. |
[32] |
M.Tan,Q.V.Le,《效率网:卷积神经网络模型缩放的再思考》,预印本,arXiv:1905.11946。 |
[33] |
P.Ramachandran,B.Zoph,Q.V.Le,《寻找激活函数》,预印本,arXiv:1710.05941。 |
[34] |
X.Y.Yin,J.Goudriaan,E.A.Lantinga,J.Vos,H.J.Spiertz,确定增长的弹性S形函数,安·博特。,91(2003), 361-371. doi(操作界面):10.1093/aob/mcg029
|
[35] |
X.Glorot,A.Bordes,Y.Bengio,深度稀疏整流神经网络第十四届人工智能和统计国际会议记录, (2011), 315-323. |
[36] |
S.Ioffe,C.Szegedy,批量归一化:通过减少内部协变量偏移来加速深度网络训练,预印本,arXiv:1502.03167。 |
[37] |
M.Tan,R.Pang,Q.V.Le,Efficientdet:可扩展和有效的对象检测,inIEEE/CVF计算机视觉和模式识别会议记录, (2020), 10781-10790. |
[38] |
M.Abadi、P.Barham、J.Chen、Z.Chen、A.Davis和J.Dean等人,《Tensorflow:大规模机器学习系统》,年第十二届{USENIX}操作系统设计与实现研讨会({OSDI}16), (2016), 265-283. |
[39] |
D.P.Kingma,J.Ba,Adam:随机优化方法,预印本,arXiv:1412.6980。 |
[40] |
L.Bottou,具有随机梯度下降的大规模机器学习,in2010年COMPSTAT会议记录。Physica-Verlag高清, (2010), 177-186. |
[41] |
J.Redmon,A.Farhadi,Yolov3:增量改进,预印本,arXiv:1804.02767。 |
[42] |
Z.Jiang,L.Zhao,S.Li,Y.Jia,基于改进YOLOv4-tiny的实时目标检测方法,预打印,arXiv:2011.04244。 |
[43] |
J.格伦,约洛夫2021年5月。可从以下位置获得:https://github.com/ultralytics/yolov5. |
[44] |
X.Zhou,D.Wang,P.Krähenbühl,作为点的对象,预印本,arXiv:1904.07850。 |
[45] |
N.Cai、Y.Chen、G.Liu、G.Cen、H.Wang、X.Chen,基于视觉的轮胎模具字符检查系统,阿塞姆。自动。,37(2017), 230-237. doi(操作界面):10.1108/AA-07-2016-066
|
[46] |
X.Yang,J.Zhang,Q.Zhou,畸变印刷品字符校正的多项式自优化方法,包装。工程师。,39(2018), 187-193. |
[47] |
F.Lei,K.Sun,X.Wang,基于改进LeNet-5的产奶日期识别研究,计算。Technol公司。开发。,30(2020), 96-99. |
[48] |
周毅,沈涛,奚忠,杨毅,邱忠,基于halcon的日化瓶底喷码质量检测算法研究,仪器。技术传感器。,11(2020), 101-104. |
[49] |
H.Wang,L.Zhu,Z.Pan,基于外部轮廓配准的活塞侧缺陷检测方法,西电大学。,46(2019), 75-83. |
[50] |
Tan,F.Sun,T.Kong,W.Zhang,C.Yang,C.Liu,深度迁移学习调查,年人工神经网络国际会议, (2018), 270-279. |