Поиск штриховых кодов на изображениях с использованием слабо размеченных данных
Автор: Звонарев Д.А.
Журнал: Труды Московского физико-технического института @trudy-mipt
Рубрика: Информатика и управление
Статья в выпуске: 3 (55) т.14, 2022 года.
Бесплатный доступ
Штриховые коды используются во многих областях и позволяют кодировать различное количество полезной информации. Важно быстро и точно находить их местоположение на изображениях для корректного распознавания. В данной работе предложен метод поиска штриховых кодов на основе нейронных сетей с использованием слабо-размеченных данных. Данный метод не только может находить штрихкоды, но и умеет классифицировать их. Предлагаемый подход не требует наличия в разметке точных регионов объектов, что сильно упрощает процесс получения данных для обучения нейросетевой модели. Предложенный подход показывает высокое качество поиска штрихкодов на изображениях: 0,725 precision, 0,674 recall, 0,698 F1.
Сверточная нейронная сеть, штриховой код, штрих-код, бар-код, слабо-размеченные данные, глубокое обучение, детектирование, поиск объектов
Короткий адрес: https://sciup.org/142236476
IDR: 142236476
Список литературы Поиск штриховых кодов на изображениях с использованием слабо размеченных данных
- Zharkov A., Vavilin A., Zagaynov I. New Benchmarks for Barcode Detection Using Both Synthetic and Real Data // International Workshop on Document Analysis Systems. 2020. P. 481-493.
- Zharkov A., Zagaynov I. Universal barcode detector via semantic segmentation // International Conference on Document Analysis and Recognition (ICDAR). 2019. P. 837-843.
- Huang Z., Zou Y., Bhagavatula V., Huang D.Comprehensive attention self-distillation for weakly-supervised object detection // arXiv preprint arXiv:2010.12023. 2020.
- Tang P., Wang X., Bai S., Shen W., Bai X., Liu W., Yuille A. Pcl: Proposal cluster learning for weakly supervised object detection // IEEE transactions on pattern analysis and machine intelligence. 2018. N 42.1. P. 176-191.
- Zhou B., Khosla A., Lapedriza A., Oliva A., Torralba A. Learning deep features for discriminative localization // Proceedings of the IEEE conference on computer vision and pattern recognition. 2016. P. 2921-2929.
- Choe J., Shim H. Attention-based dropout layer for weakly supervised object localization // Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2019. P. 2219-2228.
- Bilen H., Vedaldi A. Weakly supervised deep detection networks // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016. P. 2846-2854.
- Van de Sande K.E., Uijlings J.R., Gevers T., Smeulders A.W. Segmentation as selective search for object recognition // international conference on computer vision. 2011. P. 1879-1886.
- Zitnick CL., Dollar P. Edge boxes: Locating object proposals from edges // European conference on computer vision. 2014. P. 391-405.
- Krizhevsky A., Sutskever I., Hinton G.E. Imagenet classification with deep convolutional neural networks // Advances in neural information processing systems. 2012. N 25. P. 1097-1105.