A lightweight CRNN for end-to-end scene text recognition

Scene Text Recognition (STR) is a daunting task in computer vision, where starting from an image taken in any context out in the street or 'in the wild', any instances of text must be detected and its characters recognised. The advent of Convolutional Neural Networks has allowed impressive...

Descripción completa

Detalles Bibliográficos
Autor: Alaña Olivares, Bittor
Tipo de recurso: tesis de maestría
Fecha de publicación:2022
País:España
Institución:Universitat Oberta de Catalunya (UOC)
Repositorio:O2, repositorio institucional de la UOC
OAI Identifier:oai:openaccess.uoc.edu:10609/145367
Acceso en línea:http://hdl.handle.net/10609/145367
Access Level:acceso abierto
Palabra clave:optical character recognition
convolutional neural networks
computer vision
reconocimiento óptico de caracteres
redes neuronales convolucionales
visión por ordenador
reconeixement òptic de caràcters
xarxes neuronals convolucionals
visió per ordinador
Optical character recognition -- TFM
Reconeixement òptic de caràcters -- TFM
Reconocimiento óptico de caracteres -- TFM
id ES_82c5b5dcbecfd3e0712e8d76d0f6bf18
oai_identifier_str oai:openaccess.uoc.edu:10609/145367
network_acronym_str ES
network_name_str España
repository_id_str
spelling A lightweight CRNN for end-to-end scene text recognitionAlaña Olivares, Bittoroptical character recognitionconvolutional neural networkscomputer visionreconocimiento óptico de caracteresredes neuronales convolucionalesvisión por ordenadorreconeixement òptic de caràctersxarxes neuronals convolucionalsvisió per ordinadorOptical character recognition -- TFMReconeixement òptic de caràcters -- TFMReconocimiento óptico de caracteres -- TFMScene Text Recognition (STR) is a daunting task in computer vision, where starting from an image taken in any context out in the street or 'in the wild', any instances of text must be detected and its characters recognised. The advent of Convolutional Neural Networks has allowed impressive progress in this field, but many of the STR algorithms remain very heavy and computationally expensive. In this project we have developed lightweight algorithms to detect text in the wild, and to then recognise it. Starting from a very basic knowledge of TensorFlow, we have first studied well established implementations, and then built and trained a detection algorithm from scratch first; and an end-to-end detection and recognition network later. The detection algorithm has achieved remarkable results while being over three times faster than other state-of-the-art algorithms and keeping computation cost and requirements much lower.El reconocimiento de texto en escena (STR) es una tarea de enormes proporciones en el campo de la visión por ordenador, en la que, partiendo de una imagen tomada en cualquier contexto en la calle o "en la naturaleza", hay que detectar cualquier instancia de texto y reconocer sus caracteres. El advenimiento de las redes neuronales convolucionales ha permitido un progreso impresionante en este campo, pero muchos de los algoritmos de RTS siguen siendo muy pesados y costosos desde el punto de vista computacional. En este proyecto hemos desarrollado algoritmos ligeros para detectar texto en la naturaleza y reconocerlo después. Partiendo de un conocimiento muy básico de TensorFlow, primero hemos estudiado implementaciones bien establecidas, y luego hemos construido y entrenado un algoritmo de detección desde cero primero; y una red de detección y reconocimiento de extremo a extremo después. El algoritmo de detección ha conseguido resultados notables siendo más de tres veces más rápido que otros algoritmos del estado del arte y manteniendo el coste de computación y los requisitos mucho más bajos.El reconeixement de text en escena (STR) és una tasca d'enormes proporcions en el camp de la visió per ordinador, en la qual, partint d'una imatge presa en qualsevol context al carrer o "en la naturalesa", cal detectar qualsevol instància de text i reconèixer els seus caràcters. L'adveniment de les xarxes neuronals convolucionals ha permès un progrés impressionant en aquest camp, però molts dels algorismes de RTS continuen sent molt pesats i costosos des del punt de vista computacional. En aquest projecte hem desenvolupat algorismes lleugers per a detectar text en la naturalesa i reconèixer-ho després. Partint d'un coneixement molt bàsic de TensorFlow, primer hem estudiat implementacions ben establertes, i després hem construït i entrenat un algorisme de detecció des de zero primer; i una xarxa de detecció i reconeixement d'extrem a extrem després. L'algorisme de detecció ha aconseguit resultats notables sent més de tres vegades més ràpid que altres algorismes de l'estat de l'art i mantenint el cost de computació i els requisits molt més baixos.Universitat Oberta de Catalunya (UOC)Sanromà Lucia, ManuelRossinyol Sanabra, Marçal202220222022info:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfhttp://hdl.handle.net/10609/145367reponame:O2, repositorio institucional de la UOCinstname:Universitat Oberta de Catalunya (UOC)InglésCC BY-NC-NDhttp://creativecommons.org/licenses/by-nc-nd/3.0/es/info:eu-repo/semantics/openAccessoai:openaccess.uoc.edu:10609/1453672026-05-28T12:42:01Z
dc.title.none.fl_str_mv A lightweight CRNN for end-to-end scene text recognition
title A lightweight CRNN for end-to-end scene text recognition
spellingShingle A lightweight CRNN for end-to-end scene text recognition
Alaña Olivares, Bittor
optical character recognition
convolutional neural networks
computer vision
reconocimiento óptico de caracteres
redes neuronales convolucionales
visión por ordenador
reconeixement òptic de caràcters
xarxes neuronals convolucionals
visió per ordinador
Optical character recognition -- TFM
Reconeixement òptic de caràcters -- TFM
Reconocimiento óptico de caracteres -- TFM
title_short A lightweight CRNN for end-to-end scene text recognition
title_full A lightweight CRNN for end-to-end scene text recognition
title_fullStr A lightweight CRNN for end-to-end scene text recognition
title_full_unstemmed A lightweight CRNN for end-to-end scene text recognition
title_sort A lightweight CRNN for end-to-end scene text recognition
dc.creator.none.fl_str_mv Alaña Olivares, Bittor
author Alaña Olivares, Bittor
author_facet Alaña Olivares, Bittor
author_role author
dc.contributor.none.fl_str_mv Sanromà Lucia, Manuel
Rossinyol Sanabra, Marçal
dc.subject.none.fl_str_mv optical character recognition
convolutional neural networks
computer vision
reconocimiento óptico de caracteres
redes neuronales convolucionales
visión por ordenador
reconeixement òptic de caràcters
xarxes neuronals convolucionals
visió per ordinador
Optical character recognition -- TFM
Reconeixement òptic de caràcters -- TFM
Reconocimiento óptico de caracteres -- TFM
topic optical character recognition
convolutional neural networks
computer vision
reconocimiento óptico de caracteres
redes neuronales convolucionales
visión por ordenador
reconeixement òptic de caràcters
xarxes neuronals convolucionals
visió per ordinador
Optical character recognition -- TFM
Reconeixement òptic de caràcters -- TFM
Reconocimiento óptico de caracteres -- TFM
description Scene Text Recognition (STR) is a daunting task in computer vision, where starting from an image taken in any context out in the street or 'in the wild', any instances of text must be detected and its characters recognised. The advent of Convolutional Neural Networks has allowed impressive progress in this field, but many of the STR algorithms remain very heavy and computationally expensive. In this project we have developed lightweight algorithms to detect text in the wild, and to then recognise it. Starting from a very basic knowledge of TensorFlow, we have first studied well established implementations, and then built and trained a detection algorithm from scratch first; and an end-to-end detection and recognition network later. The detection algorithm has achieved remarkable results while being over three times faster than other state-of-the-art algorithms and keeping computation cost and requirements much lower.
publishDate 2022
dc.date.none.fl_str_mv 2022
2022
2022
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10609/145367
url http://hdl.handle.net/10609/145367
dc.language.none.fl_str_mv Inglés
language_invalid_str_mv Inglés
dc.rights.none.fl_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
dc.source.none.fl_str_mv reponame:O2, repositorio institucional de la UOC
instname:Universitat Oberta de Catalunya (UOC)
instname_str Universitat Oberta de Catalunya (UOC)
reponame_str O2, repositorio institucional de la UOC
collection O2, repositorio institucional de la UOC
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869412070646087680
score 15.301603

Similares en LA Referencia