Ein hybrides Modell zur Erkennung von Container-Codes

In diesem Papier schlagen wir einen Algorithmus zur Erkennung von Container-Codes vor, der PSENet und CRNN kombiniert, um sicherzustellen, dass die erhaltenen Bilder stark von anderen Containern sowie von Textinformationen im Bild beeinflusst werden. Der vorgeschlagene Algorithmus ist in drei Teile unterteilt: Modul zur Objekterkennung, Modul zur Texterkennung und Modul zur Texterkennung. Im ersten Schritt wird das Modul zur Objekterkennung verwendet, um die Position der Bereiche im Container-Code zu berechnen, die vorhergesagt werden müssen, dann verwenden wir das Modul zur Texterkennung auf Basis der Pixelsegmentierung, und schließlich erhalten wir den Container-Code durch das End-to-End-Modul zur Texterkennung. Dieser Algorithmus ist in der Lage, verschiedene Container-Codes für eine vertikale und horizontale Skalierung zu erkennen. Wir zeigen, dass die Erkennungsleistung in einem komplexen Multi-Container-Szenario gut ist und bei Training mit Multi-Ansicht Containern hoch stabil bleibt, mit einer relativen Verbesserung von bis zu 95 %.