基于Mask-RCNN网络的书架图书书脊分割和检测（含代码）

原创 已于 2023-06-16 13:14:12 修改 · 1.9k 阅读 · 6
于 2023-05-03 12:17:37 首次发布
该博客介绍了如何运用Mask-RCNN网络实现图书馆书架上图书书脊的分割和检测，旨在配合OCR技术进行图书信息录入。提供已完成训练的模型，无需重新训练。

提出问题

图书馆的书架上的图书书脊分割/检测对于图书书名等信息的识别具有重要意义，因此，该博客基于Mask-RCNN网络实现了图书书脊的分割和检测，有利于进一步利用ocr文字识别技术实现图书书名等信息的入库。如下图所示，为书架原始数据和分割/检测后的结果。（本文已训练模型，无需训练）
在这里插入图片描述
书架图片
图1 书架图片
书脊分割
图2 书脊分割
书脊检测
图3 书脊检测

实验环境


## 1.环境配置

基本库：
python</
标签
#深度学习 #python #tensorflow
了解本专栏 订阅专栏 解锁全文 超级会员免费看
书本检测算法笔记
jacke121的专栏
07-29 2880
书本侧面检测 https://github.com/Xiu-Wawa/Book-Datasets-for-YOLO
实用书脊计算器工具软件设计与实现
weixin_42602726的博客
09-23 707
出版社排版人员是书脊计算器最频繁且专业性最强的使用者群体。他们在日常工作中需要为大量图书进行封面设计、版式调整及印刷前准备，其中书脊尺寸的准确性直接影响到封面拼版是否正确、图文位置是否偏移，甚至可能导致整批印刷品报废。因此，他们对系统的首要诉求是高精度与可重复性。例如，在一本500页、采用128g/m²铜版纸、锁线胶装的精装书中，若书脊厚度计算误差超过±0.3mm，则可能导致封面勒口不对称或书名文字被裁切。
书籍切割之书脊边界直线检测算法小结（bookSpines Segmentation）
凌桑的自我修养--You are the Eternity
03-09 5553
去年开始一直在做一个关于整理藏书的APP，有关于这方面的app目前国内的有一个‘晒书房’，但是没有用到图像处理的相关知识，只有一个扫ISBN码的入口，或者手动录入ISBN；国外有一个‘Shelfie’，不仅可以扫书码，而且可以直接对着书架拍照，进行识别，虽然速度有点慢，但是准确率还是不错的；所以我们期望做一个功能齐全且在速度上有所提升的这样一个书架app。        关于bookshelf的
Book-Identifier:一个Matlab应用程序，用于从书架图像中识别书籍
05-17
图书标识符 这是一个Matlab应用，用于从书架图像中识别书籍。 它是作为大学计算机视觉课程项目的一部分而创建的。 该存储库包括代码，用于测试代码的Matlab应用程序，描述项目的网页，PowerPoint演示文稿以及详细描述项目的pdf报告。 有关更多详细信息，请参阅报告/网页/演示文稿。 摘要： 尽管许多网站都提供基于评论的书目排名，但实体商店却无法轻松访问此类数据。 在此项目中，我们开发了一种用于从书架的照片中识别书籍的系统。 然后，可以使用此信息从Internet提取任何所需的书籍相关数据，从而为实体书店的客户提供与在线可用的信息相同的信息。 我们的系统从照片中提取书脊，从背景中分割文本，并将单个字符分组为单词。 还提供了一种用于训练分类器以进行字符识别的实现。 对于细分，我们提出并实现了适用于大多数书脊的简单方法。 为了将字符分组为单词，我们开发了一种新算法，适用于具有不同
【Mask-RCNN】基于Mask-RCNN的目标检测和识别
FPGA/MATLAB学习教程/源码/项目合作开发
06-29 3053
Mask-RCNN 是何凯明继Faster-RCNN后的又一力作，集成了物体检测和实例分割两大功能，并且在性能上上也超过了Faster-RCNN。其基本结构如下： Mask R-CNN是一个实例分割模型，它能确定图片中各个目标的位置和类别，给出像素级预测。所谓“实例分割”，指的是对场景内的每种兴趣对象进行分割，无论它们是否属于同一类别——比如模型可以从街景视频中识别车辆、人员等单个目标。下图是在COCO数据集上训练好的Mask R-CNN，如图所示，大到每一辆车，小到单根香蕉，它都能用窗口标出
目标检测论文阅读 Mask R-CNN
qq_45738761的博客
04-27 1109
然后把p5上采样，得到256*50*76，这个p5上采样结果加上res4的1*1卷积结果，得到256*50*76，再来个3*3卷积得到p4。如此一来，FPN的输出即为：[p2: 256*200*304, p3: 256*100*152, p4: 256*50*76, p5: 256*25*38, p6: 256*13*19]。这两个都是用在rpn之后的。图像中存在不同大小的目标，而不同的目标具有不同的特征，所以我们需要特征金字塔来利用浅层的特征将简单的目标区分开，利用深层的特征将复杂的目标区分开。
探秘Mask R-CNN：深度学习中的对象检测与分割大师
gitblog_00029的博客
04-01 427
探秘Mask R-CNN：深度学习中的对象检测与分割大师 在这个数字化的时代，图像识别和处理技术正在发挥着越来越重要的作用。在众多的技术中， 是一个值得特别关注的开源项目，它不仅能够进行精准的对象检测，还能实现像素级别的语义分割。 项目简介 Mask R-CNN是由 Matterport 公司在2017年提出的，其核心是在Fast R-CNN的基础上增加了预测像素级别掩模的能力。这个项目的GitC...
深层次识别：书脊图像分割
m0_73650442的博客
11-08 1655
数据集信息展示在本研究中，我们使用了名为“Book spline detection”的数据集，以支持改进YOLOv8-seg的书脊图像分割系统的训练与评估。该数据集专注于书脊的实例分割任务，旨在提高计算机视觉模型在图书馆、书店及数字图书管理系统中的应用效果。数据集包含两个主要类别，分别为“Book spine instance segmentation - v1 2023-02-13 7-07am”和“object”。
基于Faster-RCNN的水书古籍手写文字的检测与识别-论文阅读
qq_41915623的博客
05-10 3931
文章目录论文基本信息摘要引言1. 数据集2. 目标检测算法的选取3. 实验 论文基本信息 期刊： 厦门大学学报（自然科学版） 、北大核心 影响因子： 0.77 摘要 Step1: 通过多种数据扩增方式（如：人工书写、图像合成、图像裁剪）获得了80个文字别类，共110610个带标签的字符样本； Step2： 将Faster-RCNN算法应用到水书古籍文字识别中，以上面的样本以不同组合的数据集作为输入进行实验，在全部80个目标类别上获得了91.95%的平均识别率。 引言 介绍了很多目前的水书识别方法,本文主要
基于OpenCV的深度学习Mask-RCNN对象检测和实例分割
@bangbang的博客
01-22 3766
在这篇文章中，我们将展示如何使用一个名为Mask RCNN(基于区域的卷积神经网络)的卷积神经网络模型来进行目标检测和分割。使用mask - rcnn，我们不仅检测对象，我们还获得一个灰度或二进制mask对象。 Mask rcnn最初是在2017年11月由facebook的人工智能研究团队使用Python和caffe2推出的。 我们将在c++和Python中共享OpenCV代码来加载和使用模型。 The minimum required version of OpenCV is 3.4.3. 什么是图像分
基于YOLO11-BIMAFPN的书脊识别与检测系统实现
最新发布
ASD125478acx的博客
11-27 1115
本文提出了一种基于YOLO11-BIMAFPN的书脊识别与检测系统，通过引入双层级多尺度注意力机制改进特征融合网络。实验表明，该系统在mAP@0.5指标上达到0.892，比原始YOLO11提升5个百分点，同时保持40FPS的实时检测速度。消融实验验证了BIMAFPN结构的有效性，该系统已在图书馆智能管理、图书检索等场景成功应用，显著提升了书脊检测的准确性和效率。
深度学习OCR识别-弯曲项目
baidu_40840693的博客
04-06 1026
待更新：
图像分割概述及mask-rcnn简介
何小义的博客
11-03 3262
图像分割，mask-RCNN
【实例分割】（一）Mask R-CNN详细介绍带python代码
向上生长的程序媛的博客
08-23 3535
实例分割、语义分割和目标检测都属于计算机视觉中的重要任务，但它们有着不同的应用场景和解决问题的方式。实例分割：实例分割是指对于一张图片中的每个物体，将其分割出来并打上不同的标记。即在像素级别上对每个物体进行标记，区分出不同的实体。常见的实例分割算法有Mask R-CNN等。语义分割：语义分割是指在像素级别上将一幅图像进行分类，将图片中每个像素分类到对应物体或背景中。常见的语义分割算法有FCN、U-Net、DeepLab等。目标检测：目标检测是指在图像中寻找不同的物体，并确定它们的位置和大小。
15分钟搞定图书馆自动化：tessdata实现图书封面与书脊精准识别
gitblog_00284的博客
11-09 1250
你是否还在为图书馆成千上万册图书的录入和整理而烦恼？人工输入不仅耗时耗力，还容易出错。本文将带你了解如何利用tessdata项目快速实现图书封面与书脊的自动识别，让图书馆管理效率提升10倍。读完本文，你将掌握tessdata的基本使用方法、多语言识别配置以及图书识别的完整流程。 ## 项目简介 tessdata是Tesseract OCR（Optical Character Recogniti
OCR文本识别-褶皱与卷曲
qq_44950283的博客
10-28 833
其它的像卷曲没那么严重，褶皱等“准确率”都很高。耗时：1.587s(v2) / 0.750s(v3)耗时：1.199s(v2) / 1.020s(v3)耗时：0.862s(v2) / 0.627s(v3)耗时：1.026s(v2) / 0.494s(v3)耗时：1.049s(v2) / 0.443s(v3)召回率：1.00(v2) / 1.00(v3)召回率：1.00(v2) / 1.00(v3)召回率：1.00(v2) / 1.00(v3)召回率：1.00(v2) /1.00(v3)
书架书籍图像标注数据
Walch123的博客
02-23 1825
本数据集包含820张拍摄于多场景书架的图片，经过Labelme手工+AI辅助标注，每张图片均包含若干本书，标签统一为“book”。数据集质量高，标注准确，可用于书籍检测、OCR识别、货架管理等多种计算机视觉任务。通过多角度、不同光照环境拍摄的图像，提供了多样化的训练样本，适合各类研究与应用。
深度学习书脊文字识别yolov8 cnocr PYQT5 python
wanglindda的博客
07-23 239
本项目基于YOLOv8和CnOcr模型实现书脊文字识别功能，适用于编程入门学习。主要功能为上传图片识别书脊文字，采用Python3.8开发环境，使用PyQt5作为后端框架。该项目虽非工作场景常用，但可作为学校编程教学的参考案例，源码经调试确保可正常运行。
OCR-文本检测后的文字纠正
小菜的博客
09-18 6678
序言 主要是对规则的文本检测都的角度纠正，如果弯曲的很厉害，那也没办法，因为最近一直在做OCR方面的工作，包括文本检测、文本识别等等，关于检测后的文本角度纠正，网上查了很久没发现一个靠谱的，想了很久，决定自己用opencv实现一下，本文记录下实现的过程。本文主要是对YOLO检测后的倾斜文本做纠正，纠正后的图片送入到识别网络中能够大大的提升模型的识别率，当然不一定对所有场景下的文本都适用，本文实现仅供参考和学习。 一、关键技术 霍夫变换预测倾斜角度； 图像二值化用于分割文本区域； ROI区域获取； 得到纠正
评论 12
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

GISer-王小畈

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值