文字图像超分辨率论文笔记

最新推荐文章于 2025-07-08 13:34:37 发布
原创 最新推荐文章于 2025-07-08 13:34:37 发布 · 1.3k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习

TextSR: Content-Aware Text Super-Resolution Guided by Recognition

  1. SRGAN网络的基础上加文字识别网络，文字识别网络采用的是ASTER；
  2. 损失函数：1）SR采用的是VGG的感知损失以及对抗损失；2）文字感知损失如下：
    在这里插入图片描述
  3. 上图中蓝线是训练过程，红线是推理过程；
  4. 训练：3种训练方式：
    1）从初始化开始端到端地同时训练ASTER和生成器；
    2）先训练ASTER，再端到端地同时训练ASTER和生成器；
    3）先训练ASTER，再固定ASTER的参数训练生成器；
    三种训练方式效果相当，论文中的结果是基于第三种训练方式获得的。
【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
03-25 2万+
本专栏研究领域为【超分辨率重建】，涵盖图像超分、视频超分，实时超分，4K修复等方面。主要内容包括主流算法模型的论文精读、论文复现、毕业设计、涨点手段、调参技巧、论文写作、应用落地等方面。算法模型从SRCNN开始更新至今，一般是一篇论文精读对应一篇论文复现。论文精读详解理论，归化繁为简，归纳核心，积累词句，培养阅读论文和论文写作能力。论文复现依托Pytorch代码，实现完整的模型训练流程，总结调参方法，记录碰到的bug，论文插图可视化，培养读写代码能力、做实验的能力、以及应用落地能力。
TextSR: Content-Aware Text Super-Resolution Guided by Recognition文字图像超分辨率笔记
weixin_46515047的博客
10-21 1402
使用GAN网络生成super resolution image，然后通过ASTER进行文本识别。
【文字超分辨率】 CNN-Based Text Image Super-Resolution Tailored for OCR 阅读笔记
weixin_43514766的博客
03-10 1709
最近在研究文字图像的超分辨率，下载了几篇论文，准备略读一下，每篇文章写个笔记做记录。 主要贡献： This paper studies CNN-based text image SR methods tailored for OCR, and our contributions can be summarized as follows. First, we propose a new loss function when training CNN for text image SR. The new.
【文字超分辨率】Improving Text Image Resolution using a Deep Generative Adversarial Network for OCR 阅读笔记
weixin_43514766的博客
04-07 1059
会议：2019 International Conference on Document Analysis and Recognition (ICDAR) ????Abstract 为了提高OCR的准确率，本文提出了一种基于GAN的方法。 使用了perceptual loss，包括an adversarial loss, a content loss and an L1 loss. ????INTRODUCTION 随着深度学习的发展，许多用于提高识别精度的字符识别模型被提出。但是，除了用于字符识别的模
TextSR: Content-Aware Text Super-Resolution Guided by Recognition 阅读笔记
weixin_43514766的博客
02-21 826
Paper: TextSR: Content-Aware Text Super-Resolution Guided by Recognition Abstract&Introduction 场景文本识别是一项重要的任务，大多数以前的方法在识别低分辨率文本（在自然场景图像中经常看到）时可能无法很好地工作。 一个直观的解决方案是引入超分辨率技术作为预处理的手段。但是，常规超分辨率方法主要集中在重建自然图像的细节和纹理上，由于文本的独特性，传统的超分辨率方法通常不适用于文本。 为了解决这些问题，文章提出
【文字超分辨率】TextZoom: Scene Text Image Super-Resolution in the Wild 阅读笔记
weixin_43514766的博客
03-26 6401
????Paper: Scene Text Image Super-Resolution in the Wild ????Code: TextZoom ????Abstract 低分辨率文本图像经常出现在自然场景中，例如手机拍摄的文档。 识别低分辨率的文本图像具有挑战性，因为它们通常丢失了详细的内容信息，从而导致识别精度较差。一个直观的解决方案是引入超分辨率（SR）技术作为预处理手段。 但是，以前的单图像超分辨率（SISR）方法是在合成的低分辨率图像上进行训练的（例如Bicubic下采样），这种方法很简单
【超分】A Benchmark for Chinese-English Scene Text Image Super-resolution
猫猫与橙子的博客
10-10 2294
作者提出了一个真实场景下的中英文基准数据集，命名为Real-CE，目的是为了恢复低精度的中文字符
【车牌超分辨率】Super Resolution of Car Plate Images Using Generative Adversarial Networks 阅读笔记
weixin_43514766的博客
03-24 1882
最近在研究文字图像的超分辨率，下载了几篇论文，准备略读一下，每篇文章写个笔记做记录。 Paper：Super Resolution of Car Plate Images Using Generative Adversarial Networks Abstract 车牌识别可以用于交通监控系统，例如智能停车场管理，查找被盗车辆和自动高速公路收费。在低分辨率监视系统中，车牌文本通常难以辨认。通过将一系列LR图像处理为单个高分辨率（HR）图像，可以使用超高分辨率（SR）技术来提高车牌识别的准确率。以前.
【文字超分辨率】Real-time Document Image Super-Resolution by Fast Matting 阅读笔记
weixin_43514766的博客
03-23 1260
Paper: Real-time Document Image Super-Resolution by Fast Matting Abstract 1.设计了一种基于局部线性建模的高效文档图像matting（抠图、遮罩）算法，将输入图像分解为文本，前景和背景图层，分别包含文本边缘信息，前景和背景颜色信息。 2.使用Teager过滤器对文本层进行上采样，以提高文本的清晰度。 为了提高效率，仅通过双三次插值对前景和背景层进行了上采样。 3.组合这三个高分辨率层以获得最终的高分辨率图像。 在真实扫描的文档图像
【亲测免费】 探索文本图像超分辨率新纪元：MARCONet
gitblog_00062的博客
06-03 703
探索文本图像超分辨率新纪元：MARCONet 在文本处理的世界中，清晰度至关重要。Learning Generative Structure Prior for Blind Text Image Super-resolution，简称MARCONet，是一项创新的开源项目，它专为解决盲目的文本图像超级分辨率（SR）问题而设计。这个项目由NTU S-Lab的研究团队开发，其目标是通过学习生成结构先验...
CVPR图像超分辨率
11-20
CVPR图像超分辨率
超简单集成HMS ML Kit文字超分能力，一键提升文本分辨率
TimerLink的博客
10-14 719
前言 大家有没有遇到过这种情况，在浏览微博或者公众号时看到一段有趣的文字，于是截图发到朋友圈想和好友分享。但是在发布图片时，软件会对图片强制进行压缩，导致图片分辨率下降，文字变得模糊难以阅读。那么有没有什么办法可以解决这种情况呢？当然有啦。华为HMS ML Kit提供了文字超分技术，可以突破图像中文本分辨率的物理限制，对包含文字内容的图像进行9倍放大（长宽各放大3倍），同时显著增强图像中文字的清晰度和可辨识度，轻松解决图片中文字分辨率低的问题。 应用场景 文字超分技术在生活中有很多的应用场景，比如刚刚提到朋
【文本图像超分辨】Scene Text Image Super-Resolution in the Wild
热门推荐
一个nlp探险者的博客
05-12 1万+
引言 这是一篇最新发出来的论文，看样子要投NIPS2020，这个论文可以看作我以前介绍过的TextSR的升级版，两个作者都是同一个人。这篇论文的主要想法就是提出一个专门用来进行文本超分辨的数据集，并且提出了一个专门用来进行文本超分辨的网络。 Scene Text Image Super-Resolution in the Wild 摘要 分辨率的文本图像通常出现在自然场景中，如手机捕获的文档。识别低分辨率文本图像具有挑战性，因为它们丢失了详细的内容信息，导致识别精度差。一个直观的解决方案是引入超分辨率（SR
【附源码】A Text Attention Network forSpatial Deformation Robust Scene Text Image Super-resolution（TATT）
m0_46507285的博客
10-08 3351
A Text Attention Network for Spatial Deformation Robust Scene Text Image Super-resolution
TATT文本图像超分辨
weixin_46515047的博客
04-14 1729
目录主要贡献背景创新点1（网络结构）创新点2（TP Interpreter）创新点3（TSC）实验结果结论 2022年CVPR拟接收的文本图像超分辨重建。 论文：Ma J, Liang Z, Zhang L. A Text Attention Network for Spatial Deformation Robust Scene Text Image Super-resolution[J]. arXiv preprint arXiv:2203.09388, 2022. 代码地址：https://githu
【文字超分辨率】A Text Image Super-Resolution Generation Network without Pre-training 阅读笔记
weixin_43514766的博客
03-10 879
最近在研究文字图像的超分辨率，下载了几篇论文，准备略读一下，每篇文章写个笔记做记录。 主要贡献： A non-training text image super-resolution generating network TextSRDIP is proposed. By using the DIP network model, a new loss function is designed to highlight the high- frequency details of the image, .
73、文本图像超分辨率与场景分类技术解析
最新发布
h3i4j的博客
07-08 82
本文深入解析了文本图像超分辨率与场景分类技术。在文本图像超分辨率部分，探讨了基于贝叶斯框架的学习方法、退化约束以及文本图像的独特特性，并提出了利用背景与结构特征筛选异常值的策略，从而提升重建质量和计算效率。在场景分类部分，分析了现有方法的局限性，并介绍了一种新的局部特征集成方法——几何局部特征集成（GLFI），通过构建区域邻接图（RAG）、获取判别性子图和提升策略，有效解决了空间关系建模的问题。最后，文章总结了两项技术的应用场景与发展前景，并展示了技术流程的综合关系。
【亲测免费】 探索文本超分辨率新境界：Text Prior Guided Scene Text Image Super-Resolution（TIP 2023）
gitblog_00040的博客
06-18 751
探索文本超分辨率新境界：Text Prior Guided Scene Text Image Super-Resolution（TIP 2023） 在数字图像处理的广阔天地中，**Text Prior Guided Scene Text Image Super-Resolution（TPGSR）**项目犹如一盏明灯，照亮了场景文本图像超分辨率领域的前行之路。由香港理工大学计算科学系的研究团队开发，...
30、基于多任务学习的文本图像超分辨率提升
b0c1d2的博客
06-25 44
本文提出了一种基于多任务学习的文本图像超分辨率方法，称为文本重建和超分辨率Transformer（TRSRT）。该方法通过结合超分辨率和文本重建任务，利用Transformer模块将重建分支的去噪能力和文本结构信息转移到超分辨率分支，从而提高低分辨率文本图像的识别准确率。此外，引入了特征驱动损失，通过预训练的文本识别器提取特征，进一步优化超分辨率图像的质量。实验结果表明，该方法在TextZoom数据集上取得了优异的性能，验证了多任务学习在文本图像超分辨率任务中的有效性。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

勤劳的凌菲

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值