unified detection and recognition for reading text in scene images
unified detection and recognition for reading text in scene images
unified detection and recognition for reading text in scene images
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
2. DISCRIMINATIVE MARKOV FIELDS . . . . . . . . . . . . . . . . . . . . . . . . . . 19<br />
2.1 Basic Model Formulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19<br />
2.1.1 Probability <strong>for</strong> Prediction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19<br />
2.1.2 Model Structure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20<br />
2.2 Model Tra<strong>in</strong><strong>in</strong>g. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22<br />
2.2.1 Model Likelihood . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24<br />
2.2.1.1 Parameter Decoupl<strong>in</strong>g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24<br />
2.2.1.2 Piecewise Tra<strong>in</strong><strong>in</strong>g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25<br />
2.2.2 Model Priors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26<br />
2.3 Model Inference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27<br />
2.3.1 Prediction Strategies. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27<br />
2.3.2 Belief Propagation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28<br />
2.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30<br />
3. TEXT AND SIGN DETECTION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31<br />
3.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31<br />
3.2 Markov Field <strong>for</strong> Detection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33<br />
3.2.1 Detection Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33<br />
3.2.2 Model Tra<strong>in</strong><strong>in</strong>g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34<br />
3.3 Features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36<br />
3.3.1 Feature Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37<br />
3.3.2 Feature Details . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37<br />
3.4 Experiments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40<br />
3.4.1 Experimental Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40<br />
3.4.2 Experimental Procedure. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41<br />
3.4.3 Experimental Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42<br />
3.4.4 Discussion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47<br />
3.5 Contributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49<br />
3.5.1 Learned Layout Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49<br />
3.5.2 Multi-Scale Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49<br />
3.5.3 Spatial Con<strong>text</strong> without Boundary Cases . . . . . . . . . . . . . . . . . . . . . 50<br />
3.6 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50<br />
4. UNIFYING INFORMATION FOR READING . . . . . . . . . . . . . . . . . . . 51<br />
4.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51<br />
4.2 Markov Models <strong>for</strong> Recognition. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52<br />
4.2.1 Appearance Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54<br />
4.2.2 Language Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57<br />
4.2.3 Similarity Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57<br />
4.2.4 Lexicon Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58<br />
4.2.4.1 Lexicon Factors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59<br />
4.2.4.2 Sparse Belief Propagation . . . . . . . . . . . . . . . . . . . . . . . . . . 60<br />
4.3 Experiments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63<br />
4.3.1 Experimental Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63<br />
4.3.2 Experimental Procedure. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65<br />
x