Resumen

Con el rápido desarrollo de la tecnología de inteligencia artificial, la traducción textual multitarea ha atraído cada vez más atención. Especialmente después de la aplicación de la tecnología de aprendizaje profundo, el rendimiento de la detección y reconocimiento de texto de traducción multitarea ha mejorado considerablemente. Sin embargo, debido a que la multitarea contiene el problema de interferencia que enfrenta el texto traducido, existe una gran brecha entre el rendimiento de reconocimiento y los requisitos de aplicación reales. Con el objetivo de la detección de texto multitarea y traducción, este documento propone un método de localización de texto basado en la detección multicanal multiescala de la región de valor extremo estable más grande y filtrado en cascada. Este documento selecciona el canal de color y escala apropiados para extraer el área de valor extremo estable máximo como área candidata de caracteres y diseña un filtro en cascada de grueso a fino para eliminar detecciones falsas. El filtro grueso se basa en algunas características morfológicas simples y características de ancho de trazo, y el filtro fino se ent

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Desarrollo; Inteligencia artificial; Multitarea; Aprendizaje profundo; Detección de texto; Reconocimiento
• Keywords:Development; Artificial intelligence; Multitasking; Deep learning; Text detection; Recognition