电子学报 ›› 2019, Vol. 47 ›› Issue (5): 1152-1161.DOI: 10.3969/j.issn.0372-2112.2019.05.024

• 综述评论 • 上一篇    下一篇

基于深度学习的场景文字检测综述

姜维1, 张重生2, 殷绪成3   

  1. 1. 华北水利水电大学信息工程学院, 河南郑州 450045;
    2. 河南大学计算机与信息工程学院, 河南开封 475001;
    3. 北京科技大学计算机与通信工程学院, 北京 100083
  • 收稿日期:2018-10-11 修回日期:2019-01-14 出版日期:2019-05-25 发布日期:2019-05-25
  • 通讯作者: 张重生
  • 作者简介:姜维 男,1981年12月生,河南郑州人,现为华北水利水电大学讲师,主要研究领域为场景文字检测与识别.E-mail:jiangwei@ncwu.edu.cn;殷绪成 男,1977年生,湖南武冈人,现为北京科技大学计算机与通信工程学院教授,博导,副院长,主要研究领域为模式识别与计算机视觉、智能信息检索与数据挖掘、计算机网络及互联网信息智能处理、智能嵌入式软硬件系统及AI芯片.E-mail:xuchengyin@ustb.edu.cn
  • 基金资助:
    国家自然科学基金(No.61601184,No.61562058);河南省高等学校重点科研项目(No.16A520018)

Deep Learning Based Scene Text Detection: A Survey

JIANG Wei1, ZHANG Chong-sheng2, YIN Xu-cheng3   

  1. 1. School of Information Engineering, North China University of Water Resources and Electric Power, Zhengzhou, Henan 450045, China;
    2. School of Computer and Information Engineering, Henan University, Kaifeng, Henan 475001, China;
    3. School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing 100083, China
  • Received:2018-10-11 Revised:2019-01-14 Online:2019-05-25 Published:2019-05-25

摘要: 近年来,基于深度学习的场景文字检测技术取得重要进展.本文综述了该技术在2014~2018年间的最新工作,将其分为传统区域建议方法、文字建议网络方法、基于分割的方法以及文字建议网络与分割的混合方法,并对各类方法的优劣进行分析.本文还展望了未来发展趋势,指出未来研究热点.

关键词: 深度学习, 场景文字, 检测定位

Abstract: In recent years,deep learning based scene text detection have achieved significant progress.The paper reviews state-of-the-art methods in the field from 2014-2018.We categorize existing methods into traditional Region Proposal based method,Text Proposal Network method,segmentation based method and hybrid method based on Text Proposal Network and segmentation with detailed analysis of pros and cons for the four methods.Finally,we point out research trends and focuses in this field.

Key words: deep learning, scene text, text detection

中图分类号: