May, 2023

结合 OCR 模型阅读早期印刷书籍

PDF
TL;DR该论文研究了使用精细字体识别技术对 15 至 18 世纪印刷书籍进行 OCR 的方法。作者们使用了一个新的数据集，其中包含了早期印刷书籍的 OCR 信息，并标记了每个字体的边界框。研究结果表明，字体风格对 OCR 性能有很大影响，所选模型的精细程度对结果也有积极影响。此外，作者们开发了一个本地字体组识别系统，可以在识别多种字体的文本行时取得更好的识别效果。
发现论文，激发创造
  • 使用开源引擎的 19 世纪 Fraktur 字体的最新光学字符识别技术

    本文介绍了一种使用混合模型的方法对 19 世纪 Fraktur 手写体进行 OCR，采用真实的数据训练混合模型的 OCR 引擎 Calamari 相较于 OCRopus、Tesseract 和 ABBYY 等其他引擎表现更佳，字符错误率平均降低超过 70％，平均字符错误率低于 1％。

    Oct, 2018

  • 基于基元的全字体波斯语光学字符识别系统

    本文介绍了一种基于模型的全字体波斯语 OCR 系统，使用一组 8 个基元素作为结构特征进行识别，使用处理过的图像来识别字元素，该系统使用扫描文档并经过预处理，将文本行和子单词分开，提取笔画并使用基元素识别出每个子单词，最后将基元素与预定义的字符识别向量进行比较，达到了 97.06％的准确率。

    Feb, 2022

  • 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

  • 通过后处理模型提高 OCR 性能：采用字形嵌入进行改进的校正

    探讨后期 OCR 模型的潜力，以克服 OCR 模型的局限性，并研究将字形嵌入应用于后期 OCR 纠错性能的影响。研究通过使用 CharBERT 和独特的嵌入技术将 OCR 输出进行嵌入，捕捉字符的视觉特征。研究发现后期 OCR 纠错有效地解决了次优 OCR 模型的缺陷，并且字形嵌入使模型能够取得优异的结果，包括纠正单词的能力。

    Aug, 2023

  • 神经光学字符识别历史文献后处理校正

    本研究提出了一种基于循环神经网络和卷积神经网络的光学字符识别错误自动纠正方法，针对历史藏书文献的 OCR 后置处理，以很高的效率在德语历史图书文献语料库中降低了字符误差率 32.3％以上。

    Feb, 2021

  • 对比注意力网络用于早期现代印刷品的归因

    本文利用机器学习技术对早期现代 (1500-1800) 英文印刷书籍中的未知印刷机进行识别，特别关注匹配唯一损坏的字符类型值印迹到已知印刷机的作品上以提供证据，并设计了基于对比注意力度量学习方法来匹配字符图像对中的相似损伤以及随机数据合成程序以解决受监督数据不足问题。实验结果表明该方法在这一时期的印刷作品中成功匹配了有损坏的印刷品，并促进了对这些书籍起源和内容的研究。

    Jun, 2023

  • 运用结合机器学习的方法提高 19 世纪历史文献中的 OCR 质量

    该论文利用机器学习模型针对历史研究的挑战进行研究，旨在提高 OCR 质量和识别数据结构的准确度。

    Jan, 2024

  • 利用可用的光学字符识别引擎增强处理旧的库尔德出版物

    该研究致力于处理库尔德历史出版物，采用 Google 的免费 OCR 框架 Tesseract 5.0，使用自行创建的历史文档数据集进行训练，开发了一个提取文本的网页应用，同时也面临了公共数据集缺乏和字符、词之间不对齐的挑战。

    Apr, 2024

  • 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

  • 利用印刻梵文的 OCR 进行后 OCR 文本校正

    针对罗马化梵文文本数字化的后 OCR 文本纠正方法，使用其他罗马字母语言的 OCR 模型进行训练，通过合成数据生成来训练模型，并使用一种复制机制来提高字符识别率。实验结果表明，该模型在解决单调序列 - 序列任务方面比当前最先进的模型结果提高了 7.69%，能够有效地减少 OCR 产生的错误。此外，该模型的预测结果可被人类更快地理解和改进。

    Sep, 2018