Deep TextSpotter: An End-to-End Trainable Scene Text Localization and Recognition Framework

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F17%3A00315723" target="_blank" >RIV/68407700:21230/17:00315723 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/ICCV.2017.242" target="_blank" >http://dx.doi.org/10.1109/ICCV.2017.242</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ICCV.2017.242" target="_blank" >10.1109/ICCV.2017.242</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Deep TextSpotter: An End-to-End Trainable Scene Text Localization and Recognition Framework

Popis výsledku v původním jazyce

A method for scene text localization and recognition is proposed. The novelties include: training of both text detection and recognition in a single end-to-end pass, the structure of the recognition CNN and the geometry of its input layer that preserves the aspect of the text and adapts its resolution to the data. The proposed method achieves state-of-the-art accuracy in the end-to-end text recognition on two standard datasets -- ICDAR 2013 and ICDAR 2015, whilst being an order of magnitude faster than competing methods - the whole pipeline runs at $10$ frames per second on an NVidia K80 GPU.

Název v anglickém jazyce

Deep TextSpotter: An End-to-End Trainable Scene Text Localization and Recognition Framework

Popis výsledku anglicky

A method for scene text localization and recognition is proposed. The novelties include: training of both text detection and recognition in a single end-to-end pass, the structure of the recognition CNN and the geometry of its input layer that preserves the aspect of the text and adapts its resolution to the data. The proposed method achieves state-of-the-art accuracy in the end-to-end text recognition on two standard datasets -- ICDAR 2013 and ICDAR 2015, whilst being an order of magnitude faster than competing methods - the whole pipeline runs at $10$ frames per second on an NVidia K80 GPU.

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)

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)

Rok uplatnění

2017

Kód důvěrnosti údajů

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

Název statě ve sborníku

2017 IEEE International Conference on Computer Vision (ICCV 2017)

ISBN

978-1-5386-1032-9

ISSN

1550-5499

e-ISSN

—

Počet stran výsledku

9

Strana od-do

2223-2231

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Venice

Datum konání akce

22. 10. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000425498402030