姜 倩,刘 曼

(北京工业大学 信息学部,北京 100124)

1 概述

随着互联网技术发展的越来越成熟,人们进行交流和传递信息变得更加方便快捷,可使用的方式也变得多样化,更多的人使用图片或者视频来传递信息.而文字作为人们交流对话的媒介,是图片和视频中信息的主要表达形式,所以文本识别的重要性不言而喻.目前,文本识别已广泛应用到地图搜索,运单识别,证件识别等各种应用中,文本的智能化识别在带来极大的便利的同时也极大的提高了工作的效率.在图片分类领域中,细粒度分类作为图片分类任务中的一个极其重要的分支,虽然图片分类技术日趋成熟,利用深度学习卷积神经网络的技术在ImageNet[1]比赛中图片分类准确率可以达到99%.但是在细粒度的图像分类中,由于不同种类的特征比较相似,常用的特征提取方法得到的准确率还没有达到最优,仍有需求来打破瓶颈,使得其准确率能够比肩成熟的图片分类.因此,本论文中研究了文本识别在细粒度分类中的应用,我们将文本检测与识别的算法应用于Con-text[2]数据集.Con-text是一个建筑物类图片的数据集,包含咖啡店,洗衣店,餐厅等各类建筑物.从外观上观察这些建筑物并无太大差别,常用的提取图片特征方法不能进行有效的区分,但建筑物外观上的文字却能够很好的表征特点,通过分析文字可以得到该建筑物的类别,所以考虑将外观上的文字信息作为特征的一部分.本……