A Machine Learning Approach to Hypothesis Decoding in Scene Text Recognition

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F15%3A10317959" target="_blank" >RIV/00216208:11320/15:10317959 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/68407700:21230/15:00238013

Výsledek na webu

<a href="http://link.springer.com/chapter/10.1007%2F978-3-319-16631-5_13#page-1" target="_blank" >http://link.springer.com/chapter/10.1007%2F978-3-319-16631-5_13#page-1</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-16631-5_13" target="_blank" >10.1007/978-3-319-16631-5_13</a>

Jazyk výsledku

angličtina

Název v původním jazyce

A Machine Learning Approach to Hypothesis Decoding in Scene Text Recognition

Popis výsledku v původním jazyce

Scene Text Recognition (STR) is a task of localizing and transcribing textual information captured in real-word images. With its increasing accuracy, it becomes a new source of textual data for standard Natural Language Processing tasks and poses new problems because of the specific nature of Scene Text. In this paper, we learn a string hypotheses decoding procedure in an STR pipeline using structured prediction methods that proved to be useful in automatic Speech Recognition and Machine Translation. The model allow to employ a wide range of typographical and language features into the decoding process. The proposed method is evaluated on a standard dataset and improves both character and word recognition performance over the baseline.

Název v anglickém jazyce

A Machine Learning Approach to Hypothesis Decoding in Scene Text Recognition

Popis výsledku anglicky

Scene Text Recognition (STR) is a task of localizing and transcribing textual information captured in real-word images. With its increasing accuracy, it becomes a new source of textual data for standard Natural Language Processing tasks and poses new problems because of the specific nature of Scene Text. In this paper, we learn a string hypotheses decoding procedure in an STR pipeline using structured prediction methods that proved to be useful in automatic Speech Recognition and Machine Translation. The model allow to employ a wide range of typographical and language features into the decoding process. The proposed method is evaluated on a standard dataset and improves both character and word recognition performance over the baseline.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/GBP103%2F12%2FG084" target="_blank" >GBP103/12/G084: Centrum pro multi-modální interpretaci dat velkého rozsahu</a><br>

Návaznosti

S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Computer Vision - ACCV 2014 Workshops

ISBN

978-3-319-16630-8

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

12

Strana od-do

169-180

Název nakladatele

Springer International Publishing

Místo vydání

Switzerland

Místo konání akce

Singapore

Datum konání akce

1. 11. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000362451400013