Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Convolutional Neural Networks for Direct Text Deblurring

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F15%3APU117023" target="_blank" >RIV/00216305:26230/15:PU117023 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/67985556:_____/15:00450667

  • Výsledek na webu

    <a href="http://www.bmva.org/bmvc/2015/papers/paper006/index.html" target="_blank" >http://www.bmva.org/bmvc/2015/papers/paper006/index.html</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.5244/C.29.6" target="_blank" >10.5244/C.29.6</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Convolutional Neural Networks for Direct Text Deblurring

  • Popis výsledku v původním jazyce

    In this work we address the problem of blind deconvolution and denoising. We focus on restoration of text documents and we show that this type of highly structured data can be successfully restored by a convolutional neural network. The networks are trained to reconstruct high-quality images directly from blurry inputs without assuming any specific blur and noise models. We demonstrate the performance of the convolutional networks on a large set of text documents and on a combination of realistic de-focus and camera shake blur kernels. On this artificial data, the convolutional networks significantly outperform existing blind deconvolution methods, including those optimized for text, in terms of image quality and OCR accuracy. In fact, the networks outperform even state-of-the-art non-blind methods for anything but the lowest noise levels. The approach is validated on real photos taken by various devices. Further information including test data and trained networks can be found on the [PROJECT PAGE] (http://www.fit.vutbr.cz/~ihradis/CNN-Deblur/).

  • Název v anglickém jazyce

    Convolutional Neural Networks for Direct Text Deblurring

  • Popis výsledku anglicky

    In this work we address the problem of blind deconvolution and denoising. We focus on restoration of text documents and we show that this type of highly structured data can be successfully restored by a convolutional neural network. The networks are trained to reconstruct high-quality images directly from blurry inputs without assuming any specific blur and noise models. We demonstrate the performance of the convolutional networks on a large set of text documents and on a combination of realistic de-focus and camera shake blur kernels. On this artificial data, the convolutional networks significantly outperform existing blind deconvolution methods, including those optimized for text, in terms of image quality and OCR accuracy. In fact, the networks outperform even state-of-the-art non-blind methods for anything but the lowest noise levels. The approach is validated on real photos taken by various devices. Further information including test data and trained networks can be found on the [PROJECT PAGE] (http://www.fit.vutbr.cz/~ihradis/CNN-Deblur/).

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2015

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of BMVC 2015

  • ISBN

    1-901725-53-7

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    13

  • Strana od-do

    1-13

  • Název nakladatele

    The British Machine Vision Association and Society for Pattern Recognition

  • Místo vydání

    Swansea

  • Místo konání akce

    Swansea

  • Datum konání akce

    7. 9. 2015

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku