4、电子商务图像管理的文本识别与检索系统

电子商务图像管理的文本识别与检索系统

1 相关工作

将图像中的印刷或手写文本转换为机器编码文本的光学字符识别（OCR）技术历史悠久。传统OCR方法主要针对黑白扫描文档，依赖二值化等脆弱技术，处理时假设文本行水平且字符大小相同，因此在一般图像上表现不佳。

近年来，许多用于自然场景图像文本识别的方法被提出，即PhotoOCR。部分方法专注于文本检测或识别子任务，另一些则尝试实现端到端解决方案。在文本识别中，通常假设文本已完美定位，但实际应用中该假设往往不成立。自然图像中的文本模式多样，背景复杂，因此文本检测成为研究重点。

文本检测方法大致可分为两类：
- 基于连通组件的方法 ：如笔画宽度变换（SWT）和最大稳定极值区域（MSERs）。MSER-based检测器利用字符与背景的高对比度，SWT假设字符笔画宽度相似，FASTex检测器也基于此假设提取文本片段。还有结合SWT和MSERs以提高文本定位性能的方法。
- 基于滑动窗口的方法 ：将文本处理视为标准的目标检测和识别任务。例如，Wang等人用随机蕨类检测字符并通过图形结构模型分组，Jaderberg等人用Edge Box生成候选词边界框，再用随机森林分类器修剪，最后用CNN模型识别。

然而，目前还没有方法能在实际端到端应用中达到足够的准确性。现有场景文本识别方法的评估数据集不够真实，文本模式简单、方向单一、无透视畸变和显著噪声，因此在电子商务图像的实际挑战中表现不佳。

与之对比，我们的系统旨在应对电子商务图像的挑战，具体做法如下：
- 开发结合深度神经网络和MSER处理优点的方法。