Mar, 2021

端到端、多语言 OCR 的复合网络

PDF
TL;DR本文提出了一种名为 Multiplexed Multilingual Mask TextSpotter 的多路复用多语言 OCR 方法，该方法可以在字级别上执行脚本识别，并通过多个识别头来处理不同的脚本，同时维护统一的损失函数，从而实现脚本识别和多个识别头的优化，本方法具有较高的识别能力和多语言 OCR 系统的潜力。
ocrend-to-end training pipelinemultiplexed multilingual mask textspotterscript identificationrecogniton heads
发现论文，激发创造
  • E2E-MLT: 一种非约束的多语言场景文字端到端方法

    提出了一种端到端可训练的（完全可区分的）多语言场景文本本地化和识别方法，该方法基于单个完全卷积网络（FCN），共享层用于两个任务。E2E-MLT 是首个发表的用于场景文本的多语言 OCR。虽然在多语言设置中进行了训练，但与仅训练英文场景文本的其他方法相比，E2E-MLT 表现出竞争性能。实验证明，获得准确的多语言多脚本注释是一个具有挑战性的问题。

    Jan, 2018

  • 基于流式端到端模型的大规模多语言语音识别

    本文介绍了一种使用条件向量和针对语言的适配器层结合的多语言端到端模型，取得了比单语言模型和传统模型都更低的语音识别误差率。

    Sep, 2019

  • 自然场景下端到端文本识别

    该研究提出了一种统一的网络，同时定位和识别文本，通过使用卷积特征和 $2$D 注意力模型实现对任意形状文本的鲁棒定位和识别，避免了中间过程，取得了包括正常及不规则文本在内的多个标准数据集的最佳表现。

    Jun, 2019

  • 多语言 OCR 的序列到标签脚本识别

    该研究提出了一种新型的线级别手写体识别方法，并将线级别手写体识别问题重新构建为序列标签问题，使用编码器和汇总器训练端到端解决该问题，并在扫描书籍和照片中测试，在 30 种书写系统和 232 种语言中，相比传统方法，提高了 16% 的正确率，并减少了因识别错误导致的 33% 的字符错误率。

    Aug, 2017

  • Mask TextSpotter：一种端到端可训练神经网络，用于检测任意形状的文本

    本文提出了一种名为 Mask TextSpotter 的针对场景文本定位和识别问题的端到端训练的神经网络模型，并在 ICDAR2013、ICDAR2015 和 Total-Text 数据集上进行了实验，展现出在场景文本检测和端到端文本识别任务方面的最新水平。

    Jul, 2018

  • 多语言文本识别的任务分组

    本篇论文提出了一种使用 Gumbel-Softmax 的自动多语言文本识别方法，引入了任务分组损失和加权识别损失，以允许模型和分组模块的同时训练，并验证了将一些语言分为组所带来的参数共享的好处。

    Oct, 2022

  • 使用多个 softmax 上的注意力的流式双语端到端自动语音识别模型

    本文介绍了一种新颖的双语端到端模型，通过共享编码器和预测网络，并通过自注意机制组合语言特定的联合网络，实现了单一神经模型对多种语言的识别和支持语言之间的动态切换，相比传统双语基线模型，该方法在印地语、英语和混合代码测试集上分别降低了 13.3%、8.23% 和 1.3% 的词误差率。

    Jan, 2024

  • 通往语言通用的端到端语音识别

    利用最新的端到端语音识别技术，我们提出一种使用通用字符集和网络内自适应机制的多语音种语音识别系统，其可优于单一多语种或多任务学习方法，并可用于代码转换场景。

    Nov, 2017

  • 朝着无约束的端到端文本检测

    一项新的网络模型使用实例分割方法和注意力模型识别和提取曲线形状的文本内容，并使用多步光学字符识别引擎提高识别准确性，大幅度领先现有模型的准确性。

    Aug, 2019

  • 一种语言不可知的多语言流式本地化 ASR 系统

    本文提出了一种支持流式多语言的端到端自动语音识别的模型，通过编码端点模型和一个适用于语言混合的 End-of-Utterance Joint Layer，以及使用了更高效的 Embedding 解码器，实现了低延迟和高质量的效果，可以在移动设备上实时运行。

    Aug, 2022