Guided Anchoring Cascade R-CNN: An intensive improvement of R-CNN in Vietnamese Document Detection

Le, Hai Son; Nguyen, Truong; Le, Vy; Nguyen, Thuan Trong; Vo, Nguyen D.; Nguyen, Khang

doi:10.1109/nics54270.2021.9701510

Cited by 7 publications

(2 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Dựa theo sự phát triển đó, phạm vi của nghiên cứu này là bài toán phát hiện các thành phần quan trọng xuất hiện trong trang tài liệu như "Caption", "Table ", "Figure ", "Formula", ... "Document Image Understanding" (Gao et al, 2017) là một nghiên cứu quan trọng được thực hiện với nhiều vấn đề thách thức, đang nhận được sự quan tâm ngày càng nhiều không chỉ từ các cộng đồng phân tích và ghi nhận tài liệu. Bài toán phát hiện đối tượng trang trong hình ảnh tài liệu (Nguyen et al, 2018;Long và ctv., 2020;Le et al, 2021;Nguyen et al, 2022) vẫn là một thách thức vì các đối tượng trang rất đa dạng về quy mô và tỷ lệ khung hình, và một đối tượng có thể chứa các thành phần gần như tách rời nhau. Do đó, việc rút trích thông tin từ hình ảnh của tài liệu là vô cùng cần thiết, nhiều phương pháp máy học ra đời trong tương lai sẽ giúp con người dễ dàng tìm kiếm những tài liệu cần thiết và tránh mất nhiều thời gian.…”

Section: Giới Thiệuunclassified

Thực nghiệm đánh giá YOLOX cho bài toán phát hiện đối tượng tài liệu

Huỳnh

Nguyễn²,

Nguyễn³

et al. 2022

CTUJSVN

View full text Add to dashboard Cite

Trong vài thập kỷ qua, với sự gia tăng nhanh chóng trong việc số hóa các hình ảnh tài liệu, việc trích xuất thông tin chính xác là một trong những hướng nghiên cứu quan trọng. Với sự phát triển của phát hiện đối tượng, nhiều nghiên cứu ra đời hướng đến việc phân loại tài liệu dựa trên nhiều thành phần của trang tài liệu đó. Mục tiêu của nghiên cứu này là đề cập đến bài toán POD (Page Object Detection) – phát hiện đối tượng xuất hiện trong trang tài liệu thông qua đánh giá 2 bộ dữ liệu IIIT-AR-13K và UIT-DODV dựa theo phương pháp YOLOX. YOLOX đạt kết quả 69,0% mAP, tốt hơn 2,90% so với kết quả mô hình one-stage cao nhất – YOLOv4-mish được công bố trên bộ dữ liệu UIT-DODV. Trong khi ở IIIT-AR-13K, YOLOX đạt được 66,9% mAP và thấp hơn nhiều so với các phương pháp two-stage đã công bố trước đó. Bên cạnh, những phân tích về độ hiệu quả của phương pháp state-of-the-art YOLOX cho bài toán POD cũng được cung cấp, là tiền đề cho những nghiên cứu tiếp theo trong tương lai.

show abstract

Section: Giới Thiệuunclassified

Thực nghiệm đánh giá YOLOX cho bài toán phát hiện đối tượng tài liệu

Huỳnh

Nguyễn²,

Nguyễn³

et al. 2022

CTUJSVN

View full text Add to dashboard Cite

show abstract

“…In the field of deep learning, object detection methods have mainly evolved from two-stage, 1 – 3 one-stage, 4 – 6 and transformer-based object detectors 7 – 9 A notable example of a two-stage detector is faster R-CNN, 10 which introduced a region proposal network (RPN) and developed an end-to-end detector that significantly improved performance and accelerated inference.…”

Section: Introductionmentioning

confidence: 99%

EBiDA-FPN: enhanced bi-directional attention feature pyramid network for object detection

Yang,

He,

et al. 2024

J. Electron. Imag.

View full text Add to dashboard Cite

As a fundamental task in computer vision, object detection has long been a challenging visual task. However, current object detection models lack attention to salient features when fusing the lateral connections and top-down information flows in feature pyramid networks (FPNs). To address this, we propose a method for object detection based on an enhanced bi-directional attention feature pyramid network, which aims to enhance the feature representation capability of lateral connections and top-down links in FPN. This method adopts the triplet module to give attention to salient features in the original multi-scale information in spatial and channel dimensions, establishing an enhanced triplet attention. In addition, it introduces improved top and down attention to fuse contextual information using the correlation of features between adjacent scales. Furthermore, adaptively spatial feature fusion and self-attention are introduced to expand the receptive field and improve the detection performance of deep levels. Extensive experiments conducted on the PASCAL VOC, MS COCO, KITTI, and CrowdHuman datasets demonstrate that our method achieves performance gains of 1.8%, 0.8%, 0.5%, and 0.2%, respectively. These results indicate that our method has significant effects and is competitive compared with advanced detectors.

show abstract

A brief review of state-of-the-art object detectors on benchmark document images datasets

Nguyen

et al. 2023

IJDAR

View full text Add to dashboard Cite

Guided Anchoring Cascade R-CNN: An intensive improvement of R-CNN in Vietnamese Document Detection

Cited by 7 publications

References 13 publications

Thực nghiệm đánh giá YOLOX cho bài toán phát hiện đối tượng tài liệu

Thực nghiệm đánh giá YOLOX cho bài toán phát hiện đối tượng tài liệu

EBiDA-FPN: enhanced bi-directional attention feature pyramid network for object detection

A brief review of state-of-the-art object detectors on benchmark document images datasets

Contact Info

Product

Resources

About