CVPROct, 2020

常见孟加拉手写字母的大型多目标数据集

PDF
TL;DR本研究提出了一种基于字形标注方案来线性切分字形组成部分的 标注方法，给出了一份 孟加拉语手写字母片段的数据集，用于测试视觉算法的多目标字形分类，结果表明，深度学习方法可以推广到许多字典之外的字形。
ocralpha-syllabarygraphemesdatasetdeep-learning
发现论文，激发创造
  • bbOCR：一个用于孟加拉文档的开源多领域 OCR 处理流程

    本文介绍了 Bengali.AI-BRACU-OCR（bbOCR）：一种开源可扩展的文档光学字符识别系统，可将孟加拉语文档重构为结构化的可搜索的数字化格式，并提出了一种新颖的孟加拉语文本识别模型和两个合成数据集。全面的组件级和系统级评估结果表明，我们提出的解决方案优于当前最先进的孟加拉语 OCR 系统。

    Aug, 2023

  • BN-DRISHTI：通过手写文本实例级分割实现孟加拉文档识别

    本文介绍了一个新的深度学习方法 (BN-DRISHTI)，它结合了基于 YOLO 的物体检测框架、Hough 变换和仿射变换来解决孟加拉语手写体识别的线条和单词分割问题，同时还提供了一个包含 786 张手写孟加拉语文档图像的扩展数据集 (BN-HTRd) 以及相应的线条和单词级别注释，用于单词识别的地面实况。该方法的在测试部分上得到了非常高的线条 (99.97%) 和单词 (98%) 分割 F 分数，表现优于外部三个孟加拉手写数据集。

    May, 2023

  • 孟加拉 Common Voice 语音数据集用于自动语音识别

    通过众包的方式，我们创建了孟加拉语公共语音数据集，该数据集是一个句子级自动语音识别语料库，与现有的最大开源孟加拉语数据集相比，该数据集具有更多的说话人、音素和环境多样性，并为未来的研究设立了基准。

    Jun, 2022

  • 使用 MLP 和 SVM 分类器进行孟加拉基本字符和复合字符的手写识别

    本文提出了一种新颖的方法，通过逐步学习出现频率从高到低的复合字符类以及基本字符，设计合适的特征集以识别手写孟加拉字符，实现了 79.25% 的平均字符识别率。

    Feb, 2010

  • 基于 MLP 的手写孟加拉数字识别方法

    通过设计基于多层感知机分类器的特征向量模型并实验验证，可以实现手写孟加拉数字识别并可扩展到手写孟加拉字母的 OCR 应用。

    Mar, 2012

  • 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

  • 利用教师经验排序孟加拉文手写识别中的孤立字母累积 - LILA-BOTI

    本文介绍了两种知识蒸馏方法（LILA-BOTI 和 Super Teacher LILA-BOTI），并采用该方法为 Bangla 等形态丰富的语言进行字级手写光学字符识别（OCR），通过在评估协议中进行不同数据集的测试，显示出比基础模型和传统的知识蒸馏方法更好的性能，包括处理的类不平衡性和识别度等方面的提升。

    May, 2022

  • 用于印地语书写的跨语言词汇识别和定位框架

    提出了一种新的跨语言平台，用于手写单词识别和标记低资源脚本，其中使用可用脚本（考虑为源脚本）的充分大的数据集进行训练，并在其他脚本（考虑为目标脚本）上进行测试，该跨语言框架通过使用浅显易懂的分区内字符映射进行有效的学习，成功实现了在少量训练数据的情况下识别和标记三种印度脚本中的文本。

    Dec, 2017

  • 专用模型和高级技术提升孟加拉光学字符识别在多样文档类型中的应用

    该研究提出了一种具有特殊能力的孟加拉语 OCR 系统，该系统在保留结构、对齐和图像的同时，在重建文档布局方面表现出色。它采用先进的图像和签名检测进行准确提取，并为文字分割提供了专门模型以适应多样化的文档类型，包括计算机排版、凸版印刷、打字机和手写文档。该系统处理静态和动态手写输入，识别各种写作风格。此外，它还能识别孟加拉语中的复合字符。广泛的数据收集工作提供了多样化的语料库，而高级技术组件优化了字符和单词识别。额外的贡献包括图像、标志、签名和表格识别，透视校正，布局重建以及用于高效和可扩展处理的排队模块。该系统在高效准确的文本提取和分析方面表现出色。

    Feb, 2024

  • 利用字符分解解决韩文 OCR 中类不平衡问题

    本研究提出了一种新颖的方法，使用图形编码直接进行韩文字符（Hangul）的 OCR，以解决现有编码方法在长尾字符分布上性能不佳的问题。我们的方法有效地解决了 Hangul OCR 的两个主要问题：类别不平衡和目标类别选择。

    Aug, 2022