基于深度学习的场景文字检测综述

姜维; 张重生; 殷绪成

doi:10.3969/j.issn.0372-2112.2019.05.024

您当前的位置：

首页 >

文章列表页 >

基于深度学习的场景文字检测综述

综述评论 | 更新时间：2025-07-16

- 基于深度学习的场景文字检测综述
- Deep Learning Based Scene Text Detection: A Survey
- 电子学报 2019年47卷第5期页码：1152-1161
- 作者机构：
  
  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
  4. 华北水利水电大学信息工程学院,河南,郑州,450045
  5. 河南大学计算机与信息工程学院,河南,开封,475001
  6. 北京科技大学计算机与通信工程学院,北京,100083
- 作者简介：
- 基金信息：
  
  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）
- DOI：10.3969/j.issn.0372-2112.2019.05.024
  中图分类号： TP391
- 网络出版：2019-05-25，
  
  纸质出版：2019
- 稿件说明：
移动端阅览
姜维, 张重生, 殷绪成. 基于深度学习的场景文字检测综述[J]. 电子学报, 2019,47(5):1152-1161.

JIANG Wei, ZHANG Chong-sheng, YIN Xu-cheng. Deep Learning Based Scene Text Detection: A Survey[J]. Acta Electronica Sinica, 2019, 47(5): 1152-1161.
姜维, 张重生, 殷绪成. 基于深度学习的场景文字检测综述[J]. 电子学报, 2019,47(5):1152-1161. DOI： 10.3969/j.issn.0372-2112.2019.05.024.

JIANG Wei, ZHANG Chong-sheng, YIN Xu-cheng. Deep Learning Based Scene Text Detection: A Survey[J]. Acta Electronica Sinica, 2019, 47(5): 1152-1161. DOI： 10.3969/j.issn.0372-2112.2019.05.024.

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.

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.

关键词

Keywords

references

浏览量

572

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向时序异常检测的可变视距多向扫描方法

基于稀疏平滑自蒸馏的差分隐私深度学习方法

基于非一般类算子融合方法及硬件架构设计

基于注意力融合多尺度特征的解压缩点云质量增强方法

基于深度压缩感知的联合信源信道编码方法研究