Jun, 2023

UTRNet: 印刷文件中的高分辨率乌尔都文本识别

PDF
TL;DR本文提出了一种新方法来解决印地语文本识别的挑战，提出了 UTRNet 结构，并介绍了两个大规模数据集 UTRSet-Real 和 UTRSet-Synth 以及 UrduDoc 数据集，最终实现了与其他 OCR 技术相比较优异的效果。
urdu text recognitioncnn-rnn modeldatasetground truthurdu ocr
发现论文，激发创造
  • 利用机器学习技术促进不发达语言的发展：乌尔都语文本检测进展

    本文开发了一个带有乌尔都文本的情景图像数据集，并提出使用机器学习方法从这些图像中检测乌尔都文本的方法，包括通过 MSER 方法提取文本区域、利用 SVM 分类器筛选非文本区域、HoG 特征训练第二个 SVM 分类器来进一步提高文本区域检测的性能。最终目的是为乌尔都文本检测研究提供数据资源，并突出该领域的挑战和研究空白。

    Sep, 2022

  • 基于 Transformer 的乌尔都文手写文字光学字符识别器

    本文介绍了使用 Transformer 来识别复杂的乌尔都手写文本的方法。

    Jun, 2022

  • 乌尔都语自然场景文本检测、识别和视觉问答的数据集和基准

    通过提供 1000 多幅自然场景图像，该研究提出了一个新的多任务乌尔都语场景文本数据集，用于文本检测、识别和视觉问答任务，并解决了之前数据集在面对任意形状文本时的限制。该数据集通过引入额外的标注点，方便了对能够处理多样文本布局、复杂形状和非标准方向的方法进行开发和评估，帮助进一步推动乌尔都语场景文本理解方法的发展。

    May, 2024

  • 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

  • 一种基于 Transformer 模型的端到端 OCR 框架，用于识别具有变音符的大规模古典阿拉伯文多字体语料库的手写体 Arabic 识别

    本文介绍了针对阿拉伯历史文献的光学字符识别技术的研究，提出了一种端到端文本识别方法 BEIT，并通过实验比较证明，该方法优于卷积神经网络的特征提取方法，达到了 4.46% 的识别准确率。

    Aug, 2022

  • 在自然场景中检测任意形状文本的方法，改进文本识别

    提出了一种基于流水线的文本识别框架 UHTA，其中包括用于检测的 UHT 和用于识别的 ASTER。在多个公共场景文本检测数据集上的实验结果表明，UHT 在检测自然场景图像中文本方面具有较好的性能和通用性。

    Nov, 2019

  • CORU: 全面的后光学字符识别解析与收据理解数据集

    这篇论文介绍了一种新颖的数据集 CORU，旨在增强 OCR 和信息提取技术在多语言环境中处理阿拉伯语和英语收据的能力，并评估传统方法和基于神经网络的方法在 CORU 上的性能。

    Jun, 2024

  • 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

  • 利用基于数据的方法和混合 HMM 与 CNN-TDNN 实现噪声电话环境下的代码切换乌尔都语自动语音识别

    本文介绍了在嘈杂的呼叫中心环境中，使用链式混合 HMM 和 CNN-TDNN 来构建资源高效的自动语音识别 / 语音转文本系统，以解决自动化语音识别在区域呼叫中心中的 “代码切换” 问题，以提高关键词搜索和情感分析的准确性，实现了 5.2% 的识别错误率。

    Jul, 2023

  • 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