Text detection and classification i

Text detection and classification in natural images is important for many computer vision
applications. Here, to detect text, we find connected
components based on consistency in stroke width, chain
them based on their relative spatial positions, and use a
text classification engine to filter chains with low classi!cation con!dence scores. The algorithm performs
well using the ICDAR 2015 competition images, with
72.4% precision and 71.0% recall, but struggles under
certain imaging conditions or types of text. Finally, we
discuss ways to improve the algorithm to yield better
performance.

ผลลัพธ์ (ไทย) 1:

ตรวจสอบข้อความและการจัดประเภทในภาพธรรมชาติเป็นสิ่งสำคัญสำหรับวิสัยทัศน์คอมพิวเตอร์มากใช้งาน ที่นี่ การตรวจสอบข้อความ เราค้นหาการเชื่อมต่อส่วนประกอบที่ขึ้นอยู่กับความสม่ำเสมอในจังหวะกว้าง โซ่พวกเขายึดของปริภูมิตำแหน่งสัมพัทธ์ และใช้เป็นโปรแกรมประเภทข้อความเพื่อกรองโซ่กับ classi ต่ำ! cation คอน! dence คะแนน ขั้นตอนวิธีการทำดีด้วยภาพการแข่งขัน ICDAR 201572.4 ความแม่นยำ%และ 71.0% เรียกคืน แต่ต่อสู้ภายใต้บางอย่างเกี่ยวกับภาพเงื่อนไขหรือข้อความ สุดท้าย เราอธิบายถึงวิธีการปรับปรุงอัลกอริทึมเพื่อผลตอบแทนดีกว่าประสิทธิภาพของ

ผลลัพธ์ (ไทย) 2:

การตรวจสอบและจัดหมวดหมู่ข้อความในภาพที่เป็นธรรมชาติเป็นสิ่งสำคัญสำหรับวิสัยทัศน์คอมพิวเตอร์จำนวนมากการใช้งาน
ที่นี่ในการตรวจสอบข้อความที่เราจะพบการเชื่อมต่อองค์ประกอบที่อยู่บนพื้นฐานของความมั่นคงในความกว้างจังหวะโซ่พวกเขาขึ้นอยู่ในตำแหน่งเชิงพื้นที่ของพวกเขาญาติและใช้เครื่องมือการจัดหมวดหมู่ข้อความที่จะกรองโซ่กับจัดประเภทต่ำ! ไอออนบวกนักโทษคะแนนมั่นใจ! ขั้นตอนวิธีการดำเนินการที่ดีโดยใช้ ICDAR 2015 ภาพการแข่งขันที่มีความแม่นยำ72.4% และ 71.0% เรียกคืน แต่การต่อสู้ภายใต้เงื่อนไขบางอย่างหรือการถ่ายภาพประเภทของข้อความ สุดท้ายเราหารือเกี่ยวกับวิธีการปรับปรุงขั้นตอนวิธีที่จะให้ผลผลิตที่ดีกว่าผลการดำเนินงาน

ผลลัพธ์ (ไทย) 3:

การตรวจหาและจำแนกข้อความในรูปภาพธรรมชาติสําคัญสําหรับการใช้งานวิสัยทัศน์
คอมพิวเตอร์มากมาย ที่นี่เพื่อตรวจสอบข้อความที่เราค้นหาเชื่อม
ส่วนประกอบตามความสอดคล้องในความกว้างเส้นโซ่
ตามตำแหน่งสัมพัทธ์เชิงพื้นที่ และใช้เครื่องกรอง
ข้อความการจำแนกด้วยโซ่ classi ต่ำ ! การต่อต้าน ! คะแนน dence . ขั้นตอนวิธีการ
ก็ใช้ icdar 2015 การแข่งขันภาพ , ด้วย 60 %
% ความแม่นยำและ 71.0 เรียกคืน แต่การต่อสู้ภายใต้
เงื่อนไขบางอย่างภาพหรือประเภทของข้อความ สุดท้ายเรา
เกี่ยวกับวิธีการปรับปรุงอัลกอริทึมการผลผลิต ประสิทธิภาพดีกว่า