针对目前国内外大多数仓库系统调度研究只局限于某一局部问题(或某一子系统)而不能全面考虑整个系统运行状况的问题,在分析已有调度策略的基础上提出了各子系统的优化调度策略,并应用有色时间 Petri 网(CTPN)进行建模。基于对各子系统...针对目前国内外大多数仓库系统调度研究只局限于某一局部问题(或某一子系统)而不能全面考虑整个系统运行状况的问题,在分析已有调度策略的基础上提出了各子系统的优化调度策略,并应用有色时间 Petri 网(CTPN)进行建模。基于对各子系统的调度特点及其对整个自动化仓库系统的影响的分析,给出了使各子系统能够协调运行的系统整体上的优化调度策略,并采用仿真工具 CPN-Tools 对调度策略进行了仿真,仿真结果表明,所提出的调度策略可以提高系统的运行效率,可作为研究自动化仓库系统的调度问题的参考手段。展开更多
图像的文本识别问题引起了人们越来越多的关注,电影海报中除了图像信息以外还蕴含着非常丰富的文本信息。本文利用一种CTPN（Connectionist Text Proposal Network）的方法对电影海报中的文本进行检测,与以往基于自底而上的方法不同,CTP...图像的文本识别问题引起了人们越来越多的关注,电影海报中除了图像信息以外还蕴含着非常丰富的文本信息。本文利用一种CTPN（Connectionist Text Proposal Network）的方法对电影海报中的文本进行检测,与以往基于自底而上的方法不同,CTPN开发了一种垂直锚机制并且利用RNN和CNN无缝结合的方法提高了检测精度。论文首先介绍了CTPN的原理,然后通过实验,检测电影海报中的文本信息,实验结果表明,CTPN方法能得到比以往方法更好的检测结果。展开更多
针对拆回电表厂家和型号众多,人工分筛的数据录入效率低、准确率难以保证的问题,提出一种基于改进关联系数神经网络的电表异构信息提取方法。首先,利用连接文本提议网络(connectionist text proposal network,CTPN)定位型号文本,并利用...针对拆回电表厂家和型号众多,人工分筛的数据录入效率低、准确率难以保证的问题,提出一种基于改进关联系数神经网络的电表异构信息提取方法。首先,利用连接文本提议网络(connectionist text proposal network,CTPN)定位型号文本,并利用密集连接卷积网络(DenseNet)和连接时序分类(connectionist temporal classification,CTC)识别,获取型号初步识别结果;其次,利用轻量化的实时快速目标检测(YOLOv4-Tiny)网络检测电表商标,获取厂家初步识别结果;再次,在验证集进行测试,获取合适的自适应关联系数;最后,基于厂家和型号的信息关联和二者初步识别结果,进行关联识别,提取电表异构信息。实验结果表明:文中提出的改进关联系数神经网络可有效提取拆回电表型号和厂家这两种不同结构的信息,准确率达到98.71%,提取单张电表信息平均耗时0.406 s。与主流文本识别和目标检测算法相比,所提算法提高了拆回电表信息提取精度,有助于实现拆回电表信息的自动录入与建档。展开更多
网络高度发达的信息时代,防止涉密信息被泄露是一件非常重要的任务,尤其是对于政府、军队、公安等重点单位。传统的涉密信息监测系统往往是安装在主机等终端中,无法对于通过手机等智能移动终端偷拍涉密图片或者通过聊天软件上传涉密图...网络高度发达的信息时代,防止涉密信息被泄露是一件非常重要的任务,尤其是对于政府、军队、公安等重点单位。传统的涉密信息监测系统往往是安装在主机等终端中,无法对于通过手机等智能移动终端偷拍涉密图片或者通过聊天软件上传涉密图片的行为无法进行有效的制止。针对这个问题,设计了一种将CTPN文本检测算法、光学字符识别技术(optical character recognition,OCR)与场景识别、图片传输监控相结合的智能移动终端涉密信息监测系统,可广泛应用于Android移动平台中。该系统通过全局扫描,实时相机监察,社交管控三防一体对失泄密行为进行监控监察,有效防止失泄密事故案件的发生。测试结果显示,该系统不仅可以准确识别涉密图片、监测涉密行为并且处理速度快、占用内存空间小,可以满足涉密单位的基本需求。展开更多
In recent years,images have played a more and more important role in our daily life and social communication.To some extent,the textual information contained in the pictures is an important factor in understanding the...In recent years,images have played a more and more important role in our daily life and social communication.To some extent,the textual information contained in the pictures is an important factor in understanding the content of the scenes themselves.The more accurate the text detection of the natural scenes is,the more accurate our semantic understanding of the images will be.Thus,scene text detection has also become the hot spot in the domain of computer vision.In this paper,we have presented a modified text detection network which is based on further research and improvement of Connectionist Text Proposal Network(CTPN)proposed by previous researchers.To extract deeper features that are less affected by different images,we use Residual Network(ResNet)to replace Visual Geometry Group Network(VGGNet)which is used in the original network.Meanwhile,to enhance the robustness of the models to multiple languages,we use the datasets for training from multi-lingual scene text detection and script identification datasets(MLT)of 2017 International Conference on Document Analysis and Recognition(ICDAR2017).And apart from that,the attention mechanism is used to get more reasonable weight distribution.We found the proposed models achieve 0.91 F1-score on ICDAR2011 test,better than CTPN trained on the same datasets by about 5%.展开更多
文摘针对目前国内外大多数仓库系统调度研究只局限于某一局部问题(或某一子系统)而不能全面考虑整个系统运行状况的问题,在分析已有调度策略的基础上提出了各子系统的优化调度策略,并应用有色时间 Petri 网(CTPN)进行建模。基于对各子系统的调度特点及其对整个自动化仓库系统的影响的分析,给出了使各子系统能够协调运行的系统整体上的优化调度策略,并采用仿真工具 CPN-Tools 对调度策略进行了仿真,仿真结果表明,所提出的调度策略可以提高系统的运行效率,可作为研究自动化仓库系统的调度问题的参考手段。
文摘图像的文本识别问题引起了人们越来越多的关注,电影海报中除了图像信息以外还蕴含着非常丰富的文本信息。本文利用一种CTPN（Connectionist Text Proposal Network）的方法对电影海报中的文本进行检测,与以往基于自底而上的方法不同,CTPN开发了一种垂直锚机制并且利用RNN和CNN无缝结合的方法提高了检测精度。论文首先介绍了CTPN的原理,然后通过实验,检测电影海报中的文本信息,实验结果表明,CTPN方法能得到比以往方法更好的检测结果。
文摘网络高度发达的信息时代,防止涉密信息被泄露是一件非常重要的任务,尤其是对于政府、军队、公安等重点单位。传统的涉密信息监测系统往往是安装在主机等终端中,无法对于通过手机等智能移动终端偷拍涉密图片或者通过聊天软件上传涉密图片的行为无法进行有效的制止。针对这个问题,设计了一种将CTPN文本检测算法、光学字符识别技术(optical character recognition,OCR)与场景识别、图片传输监控相结合的智能移动终端涉密信息监测系统,可广泛应用于Android移动平台中。该系统通过全局扫描,实时相机监察,社交管控三防一体对失泄密行为进行监控监察,有效防止失泄密事故案件的发生。测试结果显示,该系统不仅可以准确识别涉密图片、监测涉密行为并且处理速度快、占用内存空间小,可以满足涉密单位的基本需求。
基金supported by National Natural Science Foundation of China(Nos.U1536121,61370195).
文摘In recent years,images have played a more and more important role in our daily life and social communication.To some extent,the textual information contained in the pictures is an important factor in understanding the content of the scenes themselves.The more accurate the text detection of the natural scenes is,the more accurate our semantic understanding of the images will be.Thus,scene text detection has also become the hot spot in the domain of computer vision.In this paper,we have presented a modified text detection network which is based on further research and improvement of Connectionist Text Proposal Network(CTPN)proposed by previous researchers.To extract deeper features that are less affected by different images,we use Residual Network(ResNet)to replace Visual Geometry Group Network(VGGNet)which is used in the original network.Meanwhile,to enhance the robustness of the models to multiple languages,we use the datasets for training from multi-lingual scene text detection and script identification datasets(MLT)of 2017 International Conference on Document Analysis and Recognition(ICDAR2017).And apart from that,the attention mechanism is used to get more reasonable weight distribution.We found the proposed models achieve 0.91 F1-score on ICDAR2011 test,better than CTPN trained on the same datasets by about 5%.
