メインコンテンツまでスキップ

参考文献

このテーマに関する論文は少ないですが、いくつか代表的な論文をリストアップし、研究の基礎資料として使用しています。

総合比較

モデル名	bg01	bg02	bg03	bg04	bg05	総合評価
HU-PageScan [1]	-	-	-	-	-	0.9923
Advanced Hough [2]	0.9886	0.9858	0.9896	0.9806	-	0.9866
LDRNet [4]	0.9877	0.9838	0.9862	0.9802	0.9858	0.9849
Coarse-to-Fine [3]	0.9876	0.9839	0.9830	0.9843	0.9614	0.9823
SEECS-NUST-2 [3]	0.9832	0.9724	0.9830	0.9695	0.9478	0.9743
LDRE [5]	0.9869	0.9775	0.9889	0.9837	0.8613	0.9716
SmartEngines [5]	0.9885	0.9833	0.9897	0.9785	0.6884	0.9548
NetEase [5]	0.9624	0.9552	0.9621	0.9511	0.2218	0.8820
RPPDI-UPE [5]	0.8274	0.9104	0.9697	0.3649	0.2162	0.7408
SEECS-NUST [5]	0.8875	0.8264	0.7832	0.7811	0.0113	0.7393

論文リスト

HU-PageScan はピクセル分類に基づいたカットモデルであり、効果は良好ですが、モデルのサイズと計算量が大きく、またモデルアーキテクチャに制限があるため、一部の遮蔽パターンに対する耐性が低いです。たとえば、指で角を掴んでいる状況では、実務的な要求を満たせません。
- Paper: HU-PageScan: a fully convolutional neural network for document page crop
- Year.Month: 2021.02
- Github: HU-PageScan

Advanced Hough は CV ベースのモデルであり、効果は良いものの、CV ベースのモデルは光量や角度に対して敏感であるといった欠点があります。
- Paper: Advanced Hough-based method for on-device document localization
- Year.Month: 2021.06
- Github: hough_document_localization

Coarse-to-Fine と SEECS-NUST-2 は深層学習に基づいたモデルで、再帰的最適化戦略を採用しています。効果は良好ですが、非常に遅いです。
- Paper: Real-time Document Localization in Natural Images by Recursive Application of a CNN (2017.11)
- Paper: Coarse-to-fine document localization in natural scene image with regional attention and recursive corner refinement
- Year.Month: 2019.07
- Github: Recursive-CNNs

LDRNet は深層学習に基づいたモデルで、提供されたモデルを使用してテストを行いましたが、このモデルは SmartDoc 2015 データセットに完全に適合しており、他のシーンに対しては全く一般化能力がありません。他のデータを追加して再訓練を試みましたが、最終的な性能もあまり良くなく、恐らく特徴融合の能力が不足しているためだと思われます。
- Paper: LDRNet: Enabling Real-time Document Localization on Mobile Devices
- Year.Month: 2022.06
- Github: LDRNet

LDRE、SmartEngines、NetEase、RPPDI-UPE、SEECS-NUST 以下のモデルはすべて CV ベースのモデルです。
- Paper: ICDAR2015 Competition on Smartphone Document Capture and OCR (SmartDoc)
- Year.Month: 2015.11
- Github: smartdoc15-ch1-dataset

総合比較
論文リスト