未明确提供

本研究针对文档分析中的特征点描述问题，构建了一个专为轻量级神经网络训练设计的数据集。该数据集由五个部分组成，通过合成生成、相机捕捉和直接补丁生成三种方法收集，涵盖了文本行、通用纹理、模糊图像等多种图像类型。数据集旨在解决文档模板匹配中的特征点描述问题，特别适用于资源受限设备的轻量级神经网络训练。To address the keypoint description problem in document analysis, this study constructs a dataset specifically designed for lightweight neural network training. This dataset consists of five components, collected via three methods: synthetic generation, camera capture, and direct patch generation, covering various image types including text lines, generic textures, blurred images and more. The dataset aims to solve the keypoint description problem in document template matching, and is particularly suitable for lightweight neural network training on resource-constrained devices.

搜集汇总

背景与挑战

背景概述

该数据集是一个专为文档分析中特征点描述问题设计的轻量级神经网络训练数据集，通过合成生成、相机捕捉和直接补丁生成三种方法收集，包含文本行、通用纹理和模糊图像等多种图像类型，旨在解决文档模板匹配问题并适用于资源受限设备。