.png){kind=icon}
返回
Bottom-Up Multi-document Localization Method in Unconstrained Environments
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-5676-2_7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
文档定位是智能文档分析中的首要步骤。自然场景中由智能手机捕获的文档图像不可避免地包含多个文档，但以往的方法很少关注多文档定位。本文提出了一种自底向上的多文档定位模型，并构建了一个多文档数据集。具体而言，我们设计了多个高到低分辨率的分支，并通过重复融合跨并行多分辨率表示来更准确地定位角点。我们还引入了一个增强特征模块，以改善小或模糊文档角点周围的特征表示。然后，我们采用基于关联嵌入的分组机制，为每个角点生成唯一的嵌入向量，并自动将角点聚类，从而比其他自顶向下的方法更高效地生成完整的文档实例。为进行评估，我们收集了一个多文档数据集，包含24,738张在各种无结构环境中的文档图像。实验结果表明，基于此数据集训练的所提基准模型在检测单文档和多文档方面均实现了高精度和高效率。代码和数据集可在GitHub上获取，网址为https://github.com/TanQiuman/Bottom-Up-Multi-document-Localization。
Keyword:
Multi-document Localization
Corner Detection
Bottom-up Approach
Unstructured Environments
期刊
P
IF:
0
论文数:
29
被引数:
0
机构
引用论文
.png){kind=icon}
查看更多内容