自然场景文字检测主要依赖MSER和SWR方法。近年来的研究中，MSER结合距离变换能快速获得初步文字结果，并可通过颜色和字符间距特征减少误检。相关里程碑论文包括2004年的Matas等人工作，2010年的Neumann和Matas的文本定位与识别研究，以及Epshtein等人的 Stroke Width Transform 在CVPR上的应用。后续的CVPR和PAMI论文进一步推动了实时场景文本检测和任意方向文本检测的发展。
自然场景文字检测有两种主流的方法，MSER和SWR(笔画宽度变化)，近年来的里程碑paper如下，如果考虑运行时间，使用opencv的mser及距离变换功能可以得到初步的文字结果，之后可使用颜色，字符间距等特征排除虚警
[1]J.Matas, O.Chum, M. Urban, and T.Pajdla
最低0.47元/天 解锁文章
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
