May, 2017

READ-BAD: 基于文献资料的基线检测新数据集及评价方案

PDF
TL;DR本文提出了一种基于基线的文本行检测算法评估方案，无需二值化即可处理倾斜和旋转的文本行，同时在 ICDAR 2017 比赛中使用此评估方案并介绍了最新文本行检测算法的效果。
text line detectiondatasetevaluation schemebaselinesicdar
发现论文，激发创造
  • 历史文献中文本行检测的两阶段方法

    本文提出了一种用于历史文献的文本行检测方法，采用了两种阶段的方法，第一阶段使用了一个名为 ARU-Net 的深度神经网络进行像素的分类，第二阶段则采用自底向上的聚类算法进行 Baseline 的建立，该方法在复杂布局、曲线和任意方向文本行方面具有出色的性能和表现。

    Feb, 2018

  • U-DIADS-Bib：古代手稿文档布局分析的全面和少样本像素精确数据集

    介绍了 U-DIADS-Bib，这是一个独特的、像素精确的、无重叠和无噪声的文档布局分析数据集，并提出了一种创新的、计算机辅助的分割流程，以减轻手工注释的负担，并最后提供了一个标准的少样本数据集 (U-DIADS-BibFS)，以鼓励开发能够在尽可能少的样本下解决该任务的模型和解决方案，从而能够在现实世界的场景中更有效地使用。

    Jan, 2024

  • 历史文献的文本行分割：一份调查报告

    本文调研了历史文献数字化领域的文献分割、文本行分割、文字检索、鉴定和提取等方面所采用的各种方法，讨论了低质量和复杂性文献自动文本行分割的挑战。

    Apr, 2007

  • 不同文件图像二值化方法的分析研究

    本文研究文档图像的二值化处理及其在识别、算法优化等方面的应用。通过比较已有算法的优缺点，对其进行修改以达到更好的时间或表现。

    Jan, 2015

  • 重新思考不规则场景文本识别

    本文介绍了基于矩形化的文字识别方法的一些技巧，使其在曲线文本数据集上表现出色，并在 ICDAR 2019 任意形状文本挑战中获得了较高的准确性。

    Aug, 2019

  • 各种基于深度学习的文档图像二值化方法的公正评估

    文档图像二值化是文档分析领域重要的预处理步骤，但没有进行系统比较。本研究通过相同评估协议评估了不同深度学习方法在各种 DIBCO 数据集上的表现，发现 DE-GAN 在 DIBCO2013 数据集上效果最好，DP-LinkNet 在 DIBCO2017 数据集上表现最佳，2-StageGAN 在 DIBCO2018 数据集上表现最佳，SauvolaNet 在 DIBCO2019 数据集上胜过其他方法。为了保证可重现性并简化未来的二值化评估，我们公开了代码、所有模型和评估。

    Jan, 2024

  • 展示、关注、阅读：一种用于不规则文本识别的简单、强大基线

    本文提出了一种基于神经网络和 LSTM 等组件的简单强大的基线模型，用于识别自然场景图像中的不规则文本，基于单词级别的注释可获得最先进的性能表现。

    Nov, 2018

  • EAST: 一种高效准确的场景文本检测器

    本研究提出了一种简单而强大的场景文本检测流程，该流程可以直接预测全图中任意方向和四边形形状的单词或文本行，消除了不必要的中间步骤（例如候选聚合和单词划分），只需要一个神经网络进行操作，大大提升了检测的准确性和效率。

    Apr, 2017

  • BN-HTRd: 一份用于离线孟加拉文手写文本识别（HTR）和行分割的基准数据集

    该文章介绍了一个新的离线手写文本识别数据集，集中在孟加拉文字的图像上，该数据集包括 788 张手写页面图像和一个用于无监督聚类线分割的方案。该数据集可以用于各种手写文档识别、词识别、词或行分割等任务。

    May, 2022

  • 基于 MViTv2 的 BaDLAD 数据集的文档布局分析方法

    在数字化快速发展的时代，文档布局的分析在自动化信息提取和解释中起着重要作用。通过在 BaDLAD 数据集上训练 MViTv2 转换器模型架构与级联掩膜 R-CNN，我们从文档中提取了文本框、段落、图像和表格。通过对 20365 个文档图像进行 36 个周期的训练，在 3 个阶段的循环中，我们取得了 0.2125 的训练损失和 0.19 的掩膜损失。同时，我们还探讨了旋转和翻转增强、在推理前对输入图像进行切片、改变转换器主干的分辨率以及使用双通道推理来发现遗漏的文本框等潜在的增强方法。通过这些探索，我们观察到一系列结果，一些修改带来了实质性的性能改进，而其他的修改为未来的努力提供了独特的见解。

    Aug, 2023