文献类型：期刊文章

作　　者：姜维[1] 张重生[2] 殷绪成[3]

JIANG Wei;ZHANG Chong-sheng;YIN Xu-cheng(School of Information Engineering,North China University of Water Resources and Electric Power,Zhengzhou,Henan 450045,China;School of Computer and Information Engineering,Henan University,Kaifeng,Henan 475001,China;School of Computer and Communication Engineering,University of Science and Technology Beijing,Beijing 100083,China)

机构地区：[1]华北水利水电大学信息工程学院,河南郑州450045 [2]河南大学计算机与信息工程学院,河南开封475001 [3]北京科技大学计算机与通信工程学院,北京100083

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61601184;No.61562058);河南省高等学校重点科研项目(No.16A520018)

年　　份：2019

卷　　号：47

期　　号：5

起止页码：1152-1161

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：近年来,基于深度学习的场景文字检测技术取得重要进展.本文综述了该技术在2014～2018年间的最新工作,将其分为传统区域建议方法、文字建议网络方法、基于分割的方法以及文字建议网络与分割的混合方法,并对各类方法的优劣进行分析.本文还展望了未来发展趋势,指出未来研究热点.

关 键 词：深度学习  场景文字  检测定位  

分 类 号：TP391]