KDDOct, 2019

Rosetta：大规模图像文本检测和识别系统

PDF
TL;DR本文介绍了 Rosetta 这一部署、可扩展的光学字符识别系统的设计，该系统旨在处理 Facebook 等社交网络每日上传的图像，采用建模技术实现了图像中文本的高效检测和识别，并描述了系统架构。此外，本文还对相关技术进行了广泛的评估和实践应用，并根据开发和部署过程中的经验提供了有益的见解。
optical character recognitionrosettaimage processingtext detectionsystem architecture
发现论文，激发创造
  • 面向任意形状场景文本的大规模端到端推理

    本文利用收集在 TextVQA 数据集的真实图像上的 900K 个文本单词，提出了任意形状的场景文本​​检测和识别系统 TextOCR，使用该系统训练的 OCR 模型 PixelM4C 在图像上进行场景文本​​推理，以达到新的 TextVQA 数据集上的最新性能水平。

    May, 2021

  • 基于图像处理的场景文本检测与识别：Tesseract

    本研究着重于自然图像中文字的检测和识别，使用基于卡车上的摄像机捕捉图像的方法，利用 Tesseract OCR 引擎来识别检测到的文字区域。研究中讨论了测试中出现的一个重要的假阳性情况并阐述了缓解该问题的策略。最终，该项目实现了超过 80％的正确字符识别率，并概述了开发阶段、主要挑战和一些有趣的发现。

    Apr, 2020

  • 使用多层感知器识别文本图像

    该篇论文介绍了如何应用神经网络和反向传播算法实现光学字符识别（OCR）并转换为可编辑机器可读的数字文本格式。

    Dec, 2016

  • 一个可扩展的手写文本识别系统

    本研究主要解决将手写文本识别能力添加到大规模多语言 OCR 系统中的难点，包括数据获取，效率和集成等三个方面，通过使用在线手写数据集和基于神经网络的线识别模型等方式解决了这些问题，实现了 HTR 能力在 OCR 系统中的集成。

    Apr, 2019

  • TrOCR: 基于 Transformer 的带预训练模型的光学字符识别

    本文提出了一种名为 TrOCR 的端到端文本识别方法，其中使用了预训练的图像 Transformer 和文本 Transformer 模型，不仅适用于印刷体和手写体，还适用于场景文本识别任务，并在准确率方面优于当前最先进的模型。

    Sep, 2021

  • PP-OCR：一款实用的超轻型 OCR 系统

    本论文提出了 PP-OCR，一个高效的光学字符识别系统，其模型大小仅有 3.5M。该系统通过采用一系列优化策略来提高模型能力和减小模型大小。此外，该系统支持多语言识别，包括法语、韩语、日语和德语。

    Sep, 2020

  • 提升光学字符识别：超分辨率方法

    本文总结了我们参加 ICDAR2015 文本图像超分辨率比赛的入门知识。根据 ICDAR2015 TextSR 数据集和 Tesseract-OCR 3.02 系统，我们的文本图像超分辨率框架取得了胜利，使用低分辨率图像作为输入，OCR 准确性得分为 77.19％，与使用原始高分辨率图像的 78.80％相当。

    Jun, 2015

  • 深度学习技术实现高效无词典 OCR

    本文提出一种无分割 OCR 系统，该系统将深度学习方法、数据增强方法和合成训练数据结合起来，使用大型文本语料库和 2000 多种字体渲染合成训练数据，并通过几何失真和提出的 alpha-compositing 数据增强技术模拟复杂的自然环境，并采用 CNN 编码器以提取文本图像特征，检验了序列模型与卷积模型在模拟输入元素交互方面的能力。

    Jun, 2019

  • 构建多元数字历史的高效 OCR

    通过对 OCR 进行字符级图像检索建模，解决了现有体系结构在低资源情况下无法准确识别光学字符识别问题的不足，并为社区参与使数字历史更具代表性开辟了新的途径。

    Apr, 2023

  • 使用卷积神经网络的手写体识别

    通过使用 NIST 数据集对卷积神经网络进行训练并提取图像特征，成功实现了 90.54% 的识别准确率和 2.53% 的损失，该技术可以对手写和印刷文本进行 OCR 和 ICR 的处理。

    Jul, 2023