CN101989298A - 快速图像分类 - Google Patents

快速图像分类 Download PDF

Info

Publication number
CN101989298A
CN101989298A CN2010102519823A CN201010251982A CN101989298A CN 101989298 A CN101989298 A CN 101989298A CN 2010102519823 A CN2010102519823 A CN 2010102519823A CN 201010251982 A CN201010251982 A CN 201010251982A CN 101989298 A CN101989298 A CN 101989298A
Authority
CN
China
Prior art keywords
image
row
module
line scanning
feature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2010102519823A
Other languages
English (en)
Inventor
R·L·沃恩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intel Corp
Original Assignee
Intel Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Intel Corp filed Critical Intel Corp
Publication of CN101989298A publication Critical patent/CN101989298A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/421—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种方法，该方法包括：获取图像；将图像数字化；从图像的一部分中选择一个或多个行；执行对所选行的行扫描；检索参考扫描；将行扫描与参考扫描进行比较；识别特征；以及将图像分类。

Description

快速图像分类
技术领域
本发明涉及搜索引擎领域，更具体地说，涉及用于分析图像的设备和方法。
背景技术
图像分析可用于许多不同的应用，包括基于内容的图像存储和检索。用户可使用搜索引擎来搜索计算机中的图像。搜索引擎能以硬件和软件的组合的形式实现。但是，快速图像分类难以有效、高效且一致地执行，尤其是在实时环境中更是如此。
发明内容
根据本发明的一方面，本发明涉及一种方法，包括：
获取图像；
将所述图像数字化；
从所述图像的一部分中选择行；
执行对所述行的行扫描；
检索参考扫描；
将所述行扫描与所述参考扫描进行比较；
识别特征；以及
将所述图像分类。
所述行选自所述图像的最上四分位。
所述行选自所述图像的最下四分位。
所述图像包括颜色，并且所述行包括像素。
所述方法还包括显示作为所述行中的位置的函数的每个像素的RGB值。
识别所述特征涉及运用规则。
所述规则是从试验导出的。
所述规则是从建模导出的。
所述规则是从仿真导出的。
根据本发明的另一方面，本发明涉及一种方法，包括：
选择图像的一部分；
选择参数的值来描述所述图像的所述部分；以及
识别所述图像中的特征。
所述部分包括最上四分位中的行。
所述部分包括最下四分位中的行。
用户选择所述图像的所述部分。
用户选择所述参数的所述值。
用户选择所述图像中的所述特征。
根据本发明的又一方面，本发明涉及一种设备，包括：
图像获取模块，用于获取图像；
图像数字化器模块，用于将所述图像数字化；
行采样器模块，用于从所述图像的不同部分中选择行；
行扫描模块，用于沿所述行执行行扫描；
库模块，用于检索参考扫描；
扫描比较器模块，用于将所述行扫描与所述参考扫描进行比较；
特征识别器模块，用于隔离由所述行扫描所遍历的特征；以及
特征分类器模块，用于促进所述图像的快速分类。
所述设备还包括图形用户接口。
所述设备还包括包含规则的机器可读介质。
所述设备还包括用于学习之前的行扫描以识别未来行扫描中的特征的部件。
所述部件包括人工智能模块。
附图说明
图1A-1E示出根据本发明一个实施例包括可识别特征的行扫描。
图2示出依据本发明一个实施例的方法。
图3示出依据本发明一个实施例的设备。
图4示出依据本发明另一个实施例的方法。
具体实施方式
在以下描述中，阐述了众多细节、实例和实施例以充分理解本发明。但是，对于本领域技术人员来说清楚且显而易见的是，本发明不限于所阐述的细节、实例和实施例，并且在没有所描述的其中一些特定细节、实例和实施例的情况下也可实践本发明。在其它情况下，本领域技术人员还将意识到，没有特别描述公知的某些细节、实例和实施例，以免使本发明晦涩难懂。
本发明公开一种用于将图像快速分类的方法和一种快速图像分类器。
本发明的一个实施例设想一种用于在执行有限图像分析之后将图像快速分类的方法。提前确定图像的属性。然后，对图像进行表征、辨识并基于预定义属性进行分类。在一些情况下，在只扫描图像的很小一部分之后便以高置信度辨识图像。
图2示出依据本发明一个实施例的方法。参考图2，在块202，获取图像。在块204，将所述图像数字化。在块206，从所述图像的一部分中选择行。在块208，执行对所述行的行扫描。在块210，检索参考扫描。在块212，将所述行扫描与所述参考扫描进行比较。在块214，识别特征。在块216，将所述图像分类。
在一个实施例中，在图2所示的方法中，所述行选自所述图像的最上四分位。依据另一个实施例，所述行选自所述图像的最下四分位。在该方法的上述实施例的再一个实施例中，所述图像包括颜色，并且所述行包括像素。依据该方法的又一个实施例，该方法还包括显示作为所述行中的位置的函数的每个像素的RGB值。依据该方法的上述实施例中的还有一个实施例，识别所述特征涉及运用规则。其中，所述规则是从试验导出的。依据另一个实施例，所述规则是从建模导出的。依据再一个实施例，所述规则是从仿真导出的。
在一个实施例中，可按照不同的顺序或次序执行这些块。在另一种实施例中，可以不执行一些块。在又一种情况下，某些块可执行多次。
图4示出依据本发明另一个实施例的方法。参考图4，在块402选择图像的一部分。在块404，选择参数的值来描述所述图像的所述部分。在块406，识别所述图像中的特征。
依据一个实施例，在图4的方法中，所述部分包括最上四分位中的行。在另一个实施例中，所述部分最下四分位中的行。依据上述实施例的再一个实施例，其中用户选择所述图像的所述部分。依据再一个实施例，其中用户选择所述参数的所述值。依据又一个实施例，其中用户选择所述图像中的所述特征中的至少一个。
在一个实施例中，可按照不同的顺序或次序执行这些块。在另一种实施例中，可以不执行一些块。在又一种情况下，某些块可执行多次。快速图像分类器包括几个模块，包括：(1)图像获取器模块；(2)图像数字化器模块；(3)行采样器模块；(4)行扫描仪模块；(5)库归档器模块；(6)扫描比较器模块；(7)特征识别器模块；以及(8)特征分类器模块。例如，图3示出依据本发明一个实施例的设备300。
在一种情况下，按照不同的顺序或次序使用这些模块。在另一种情况下，不使用一些模块。在又一种情况下，某些模块使用多于一次。
第一，图像获取器模块按照一个或多个对象的颜色获取图像。
第二，图像数字化器模块将图像数字化为像素行。
第三，行采样器模块从图像的一个或多个部分中选择一个或多个行。例如，一个行各选自第一四分位(例如，图像的最上部分)、第二四分位(quartile)、第三四分位、第四四分位和第五四分位(例如，图像的最下部分)。
第四，行扫描仪模块沿所选行例如从左到右执行行扫描。行扫描的曲线图显示作为沿x轴的像素定位或位置(例如，从1到441)的函数的沿y轴的红-绿-蓝(RGB)值(例如，从0到255)。
第五，库归档器模块检索之前存储在档案中的参考扫描。档案包括编入索引并且可搜索的元数据存储系统。也可将一些或所有新的行扫描存储在档案中以改善参考扫描的数据库的宽度和深度。
第六，扫描比较器模块将行扫描与从库模块中检索的一个或多个参考扫描进行比较。度量标准可包括行扫描与特定参考扫描的百分比匹配。
第七，特征识别器模块隔离图像中的由行扫描所遍历的特征，以便识别特定主题。
第八，特征分类器模块可利于或促进图像的快速分类。
本发明的一个实施例设想一种供用户创建和编辑用于将图像快速分类的图像辨识过程的自定义部件。
本发明的一个实施例设想一种用于快速图像分类的软件接口，例如图形用户接口(GUI)。GUI允许用户基于用户感兴趣的图像的类型自定义图像分类。用户使用伪数学语言来描述表征在每次行扫描中所跟踪的图像中的感兴趣的特征的各种参数。
用户选择感兴趣的每个参数的值。这些参数用于限定行扫描的各种特性。
一个参数涉及在图像中的“位置”，例如第一四分位(例如最上面)、第二四分位、第三四分位、第四四分位到第五四分位(例如，最下面)。
另一参数涉及“连续”对“离散”。
又一参数涉及“均匀”对“不规则”。
再一参数涉及颜色：例如红、绿、蓝。
然后，用户运用一个或多个规则来从行扫描中提取含义。一些规则是从试验导出的。其它规则是从建模导出的。还有其它规则是从仿真导出的。
本发明的另一实施例设想一种包含规则的机器可读介质。
本发明的又一实施例设想一种用于学习之前的行扫描以识别未来行扫描中的特征的部件。
本发明的再一实施例设想一种人工智能模块。
作为位置的函数、包括“连续”且“带蓝色”103的对象10的图像的“最上”部分中的行扫描可识别为“天空”的一部分。参见图1A。图1A中将颜色示为红101、绿102和蓝103。
作为位置的函数、包括由“连续”且“带蓝色”103的对象点缀着的“离散”且“灰白”的对象21的图像的“最上”部分中的行扫描可识别为天空中的“云朵”。参见图1B。图1B中将颜色示为红201、绿202和蓝203。
作为位置的函数、包括“离散”、“均匀”且“带红色”301的对象32的行扫描可识别为粉色肤色的人“脸”。参见图1C。图1C中将颜色示为红301、绿302和蓝303。
作为位置的函数、包括由高基线44隔开的至少一个高且窄的尖状物43的行扫描可识别为由“间隙”或“空白”隔开的“文本行”或“数据表”。参见图1D。图1D中将颜色示为红401、绿402和蓝403。尖状物的宽度取决于文本字体的类型、大小和大小写(case)。文本可包括不同颜色401、402和403。
作为位置的函数非常参差不齐且不规则的行扫描可识别为需要进一步分析图像中的更多行的各种对象的复杂并列。
第八，特征分类器模块利于或促进图像的快速分类。
在一种情况下，主题包括例如在自然界户外看到的风景。
在另一种情况下，主题包括例如一个或多个人的局部或全部的肖像。
在又一种情况下，主题包括幻灯片或箔(foil)的Microsoft PowerPoint演示文稿。
在再一种情况下，主题包括拼贴画。在一种情况下，拼贴画包括图片、图形、表格和文字的连续放置。在另一种情况下，拼贴画包括图片、图形、表格和文字的重叠放置。图3示出依据本发明一个实施例的设备300。参考图3，该设备300包括图像获取器模块302；图像数字化器模块304；行采样器模块306；行扫描模块308；库归档器模块310；扫描比较器模块312；特征识别器模块314；以及特征分类器模块316。在一个实施例中，所述设备是快速图像分类器等图像分析设备。
在一种情况下，按照不同的顺序或次序使用这些模块。在另一种情况下，不使用一些模块。在又一种情况下，所述模块中一个或多个可使用多于一次。在本发明的一个实施例中，所述模块中的任一个可以软件和/或硬件和/或固件来实现。虽然图3中示出所述模块位于所述设备300内部，在一个实施例中，所述模块中的一个或多个可位于所述设备300外部。
虽然图3中未示出，但依据一个实施例，设备300还可包括图形用户接口。依据另一个实施例，设备300还可包括包含规则的机器可读介质。依据再一个实施例，设备300还包括用于学习之前的行扫描以识别未来行扫描中的特征的部件。依据还有一个实施例，例如所述部件包括人工智能模块。依据一个实施例，设备300可包括上述图形用户接口、所述机器可读介质和所述部件中的一个或多个。
上文阐述了许多实施例和众多细节以便充分理解本发明。本领域技术人员将明白，一个实施例中的许多特征同样适用于其它实施例。本领域技术人员还将明白，能够对本文描述的那些特定材料、处理、尺寸、浓度等做出各种等效替换。将了解，本发明的详细描述应视为是说明性而非限制性的，其中本发明的范围应由随附权利要求确定。

Claims (10)

1.一种方法，包括：
获取图像；
将所述图像数字化；
从所述图像的一部分中选择行；
执行对所述行的行扫描；
检索参考扫描；
将所述行扫描与所述参考扫描进行比较；
识别特征；以及
将所述图像分类。
2.如权利要求1所述的方法，其中所述行选自所述图像的最上四分位和所述图像的最下四分位中的至少一个。
3.如权利要求1或2所述的方法，其中所述图像包括颜色，并且所述行包括像素。
4.如权利要求3所述的方法，还包括显示作为所述行中的位置的函数的每个像素的RGB值。
5.如权利要求1或2所述的方法，其中识别所述特征涉及运用规则。
6.如权利要求5所述的方法，其中所述规则是从试验、建模和仿真中的一个导出的。
7.一种方法，包括：
选择图像的一部分；
选择参数的值来描述所述图像的所述部分；以及
识别所述图像中的特征。
8.如权利要求7所述的方法，其中所述部分包括最上四分位和最下四分位的至少一个中的行。
9.如权利要求8所述的方法，其中用户选择所述图像的所述部分、所述参数的所述值和所述图像中的所述特征中的至少一个。
10.一种设备，包括：
图像获取模块，用于获取图像；
图像数字化器模块，用于将所述图像数字化；
行采样器模块，用于从所述图像的不同部分中选择行；
行扫描模块，用于沿所述行执行行扫描；
库模块，用于检索参考扫描；
扫描比较器模块，用于将所述行扫描与所述参考扫描进行比较；
特征识别器模块，用于隔离由所述行扫描所遍历的特征；以及
特征分类器模块，用于促进所述图像的快速分类。
CN2010102519823A 2009-07-29 2010-07-29 快速图像分类 Pending CN101989298A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/462066 2009-07-29
US12/462,066 US20110026816A1 (en) 2009-07-29 2009-07-29 Rapid image categorization

Publications (1)

Publication Number Publication Date
CN101989298A true CN101989298A (zh) 2011-03-23

Family

ID=43037700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010102519823A Pending CN101989298A (zh) 2009-07-29 2010-07-29 快速图像分类

Country Status (3)

Country Link
US (1) US20110026816A1 (zh)
EP (1) EP2290584A3 (zh)
CN (1) CN101989298A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103562911A (zh) * 2011-05-17 2014-02-05 微软公司 基于姿势的视觉搜索
CN106844421A (zh) * 2016-11-30 2017-06-13 上海仙剑文化传媒股份有限公司 一种数字图片管理方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101575438B1 (ko) 2013-12-27 2015-12-07 현대자동차주식회사 리튬 기반 전지 음극을 위한 니켈 실리사이드 나노와이어에 임베디드된 실리콘 나노와이어 구조체

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101093489A (zh) * 2006-06-23 2007-12-26 明基电通股份有限公司 图像搜索方法及装置

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5392365A (en) * 1991-12-23 1995-02-21 Eastman Kodak Company Apparatus for detecting text edges in digital image processing
JP3534128B2 (ja) * 1995-01-24 2004-06-07 オムロン株式会社 書類の上下方向検知方法及び装置
US5745596A (en) * 1995-05-01 1998-04-28 Xerox Corporation Method and apparatus for performing text/image segmentation
US5893095A (en) * 1996-03-29 1999-04-06 Virage, Inc. Similarity engine for content-based retrieval of images
US5946420A (en) * 1996-05-10 1999-08-31 Hewlett-Packard Company Printing with text enhancement: recognition by sensing paired edges, or by disqualification in pictorial regions
US6366699B1 (en) * 1997-12-04 2002-04-02 Nippon Telegraph And Telephone Corporation Scheme for extractions and recognitions of telop characters from video data
US6532302B2 (en) * 1998-04-08 2003-03-11 Canon Kabushiki Kaisha Multiple size reductions for image segmentation
US6363381B1 (en) * 1998-11-03 2002-03-26 Ricoh Co., Ltd. Compressed document matching
US6200268B1 (en) * 1999-09-10 2001-03-13 The Cleveland Clinic Foundation Vascular plaque characterization
US6640010B2 (en) * 1999-11-12 2003-10-28 Xerox Corporation Word-to-word selection on images
US6633670B1 (en) * 2000-03-31 2003-10-14 Sharp Laboratories Of America, Inc. Mask generation for multi-layer image decomposition
US6559953B1 (en) * 2000-05-16 2003-05-06 Intel Corporation Point diffraction interferometric mask inspection tool and method
US6611387B1 (en) * 2000-09-29 2003-08-26 Intel Corporation Adjustment of the partial coherence of the light energy in an imaging system
US7043080B1 (en) * 2000-11-21 2006-05-09 Sharp Laboratories Of America, Inc. Methods and systems for text detection in mixed-context documents using local geometric signatures
US20020085761A1 (en) * 2000-12-30 2002-07-04 Gary Cao Enhanced uniqueness for pattern recognition
JP2003270183A (ja) * 2002-03-20 2003-09-25 Japan Organo Co Ltd 高感度測定装置
FR2860902B1 (fr) * 2003-10-10 2005-12-09 France Telecom Determination de caracteristiques textuelles de pixels
FR2863080B1 (fr) * 2003-11-27 2006-02-24 Advestigo Procede d'indexation et d'identification de documents multimedias
US7707039B2 (en) * 2004-02-15 2010-04-27 Exbiblio B.V. Automatic modification of web pages
US7098466B2 (en) * 2004-06-30 2006-08-29 Intel Corporation Adjustable illumination source
US7197722B2 (en) * 2004-09-30 2007-03-27 Intel Corporation Optimization of sample plan for overlay
US20060072207A1 (en) * 2004-09-30 2006-04-06 Williams David L Method and apparatus for polarizing electromagnetic radiation
US7464212B2 (en) * 2004-12-06 2008-12-09 Intel Corporation Method and apparatus for determining compatibility between devices
US7768638B2 (en) * 2005-03-18 2010-08-03 Illumina, Inc. Systems for and methods of facilitating focusing an optical scanner
US20070237415A1 (en) * 2006-03-28 2007-10-11 Cao Gary X Local Processing (LP) of regions of arbitrary shape in images including LP based image capture
US7876959B2 (en) * 2006-09-06 2011-01-25 Sharp Laboratories Of America, Inc. Methods and systems for identifying text in digital images
US7571420B2 (en) * 2007-02-16 2009-08-04 Intel Corporation Dynamic sampling with efficient model for overlay

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101093489A (zh) * 2006-06-23 2007-12-26 明基电通股份有限公司 图像搜索方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
胡伟强等: "《基于局部特征的图像快速分类算法》", 《计算机工程》, vol. 35, no. 7, 30 April 2009 (2009-04-30), pages 203 - 205 *
陈松: "《基于肤色的人脸检测与识别》", 《中国优秀硕士学位论文全文数据库,中国学术期刊(光盘版)电子期刊》, no. 9, 15 September 2007 (2007-09-15) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103562911A (zh) * 2011-05-17 2014-02-05 微软公司 基于姿势的视觉搜索
CN106844421A (zh) * 2016-11-30 2017-06-13 上海仙剑文化传媒股份有限公司 一种数字图片管理方法及系统

Also Published As

Publication number Publication date
EP2290584A2 (en) 2011-03-02
EP2290584A3 (en) 2013-05-22
US20110026816A1 (en) 2011-02-03

Similar Documents

Publication Publication Date Title
Wiley et al. Computer vision and image processing: a paper review
Saha et al. Graphical object detection in document images
US20180129658A1 (en) Color sketch image searching
AU2014321165A1 (en) Image searching method and apparatus
Rigaud et al. Text-independent speech balloon segmentation for comics and manga
WO2022089170A1 (zh) 字幕区域识别方法、装置、设备及存储介质
Prusty et al. Indiscapes: Instance segmentation networks for layout parsing of historical indic manuscripts
Arai et al. Method for automatic e-comic scene frame extraction for reading comic on mobile devices
Suryani et al. The handwritten sundanese palm leaf manuscript dataset from 15th century
Pacha et al. Towards self-learning optical music recognition
CN106845513A (zh) 基于条件随机森林的人手检测器及方法
Crowley et al. Of gods and goats: Weakly supervised learning of figurative art
Mörzinger et al. Visual Structure Analysis of Flow Charts in Patent Images.
CN114998905A (zh) 一种复杂结构化文档内容的校验方法、装置与设备
CN101989298A (zh) 快速图像分类
Shah Face detection from images using support vector machine
Li et al. Unsupervised speech text localization in comic images
Chiang et al. A method for automatically extracting road layers from raster maps
CN104021220A (zh) 基于显著性模型的图像检索方法
Ranka et al. Automatic table detection and retention from scanned document images via analysis of structural information
Deniziak et al. Query-by-shape interface for content based image retrieval
Xu et al. Estimating similarity of rich internet pages using visual information
Pintus et al. A TaLISMAN: Automatic text and LIne segmentation of historical MANuscripts
Sánchez-Oro et al. URJC&UNED at ImageCLEF 2013 Photo Annotation Task.
Zhong et al. Fast and robust text detection in MOOCs videos

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20110323