讯飞语记、百度智能文摘、中抓狂、硕鼠等等

　　讯飞语记、百度智能文摘、中抓狂、硕鼠等等

　　采集文章软件有很多，常见的有：讯飞语记、百度智能文摘、中抓狂、硕鼠等等。此外，还有结合图像识别等技术的，如gensim、wavenet、cv2layer、mobileface、silkn等等。但不管怎么选择，都需要有足够的数据，才能保证数据采集的质量。最大的问题还是数据量，毕竟没有大量的数据，把采集文章的任务放给各大网站，他们就不可能放心的接受你的数据。

　　noisebasedimageretrievalforpersonalizeddetailclassification

　　目前文章集中在图像文本识别和行人检测上，gocv有一篇anofflineabstractofcombiningreal-timeobjectdetectionandpersondetectionwithalargescaleandlongerimage的文章，但该文章主要针对较*敏*感*词*图像，因此图像能否提取足够的特征表示文本表示成为核心问题，同时，gocv还有一篇personreid算法的论文anofflinemethodforpersonreidlocalityestimation中也没有关于图像和文本进行匹配解决误检问题，rcpnp在resnet上优化了每一个卷积层接收的输入大小，然后再使用bn处理，但是也没有尝试不同卷积层的输入表示方式。

　　单纯从文章结果来看，应该是没有在图像跟图像的匹配方面成功。不过，不能用图像跟图像去匹配的文章如facenet和enet从文章的结果也很好，通过fine-tuning后得到很好的结果，但是本质原因是在resnet的结构上做了很多的pretrained的深度优化，只是比fc细化，所以整体模型参数量过大。总结，为了效果目的，使用图像跟图像匹配也是一个思路，大部分会在图像上做优化，但是要想从图像上匹配到文本上的位置信息跟时序信息，可能还需要进行额外的卷积层细化模型，同时优化尺度分辨率以及对时序信息的处理，来提高精度。