Aug, 2023

DISGO: 场景文本 OCR 自动端到端评估

PDF
TL;DR本文讨论了在自然场景中进行光学字符识别（OCR）所面临的挑战，这比在文档上进行 OCR 要困难，因为场景中内容狂野，图像背景各异。我们提出统一使用词误差率（WER）作为评估场景文本 OCR 的新度量，包括端到端（e2e）性能和各个系统组件的性能。尤其是对于端到端度量，我们将其命名为 DISGO WER，因为它考虑了删除、插入、替换以及分组 / 排序错误。最后，我们提出利用超块的概念自动计算 e2e OCR 机器翻译的 BLEU 分数。小型 SCUT 公共测试集用于通过模块化的 OCR 系统展示 WER 的性能。
optical character recognitionnatural scenesword error ratesend-to-end ocrsuper blocks
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

  • 无监督的跨语言语音识别误率标准化

    提出了一种基于拼写和分词的自动化 WER 规范系统，通过在四种语言上的实验，平均 WER 降低了 13.28％。同时，基于该系统的标注数据的人工实验结果表明，该文中所提出的 WER 规范方法与 ASR 输出的感知质量高度一致。

    Mar, 2023

  • 基于 REO 准则的图像描述生成细粒度评估

    本研究提出了细粒度评估方法 REO，从与实际参照的相关性、多余性和缺少性三个方面评估图像字幕系统的性能，实验证明与人类判断更具一致性，结果更直观。

    Sep, 2019

  • 提高光学字符识别文本自然语言处理准确性的框架

    本文介绍了一种有效的框架，使用实体识别作为示例，通过构建文档合成流水线，生成具有实际应用价值的有损数据并训练文本修复模型，从而解决 OCR 错误导致的实体识别精度下降问题。

    Aug, 2021

  • 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

  • TransDocs：基于光学字符识别和逐字翻译的翻译工具

    本研究旨在提高 OCR 质量，通过使用 LSTM 技术集成 OCR 与深度学习模型进行文档翻译，并在英语到西班牙语翻译中显示了深度学习模型的比较研究，将终端到终端的性能用 BLEU-4 评分表达，旨在让研究人员和 OCR 应用于文档翻译的实践者感兴趣。

    Apr, 2023

  • DEER: 场景文本识别的无检测端到端识别器

    提出了一种基于 DEER 框架的检测不可知端到端识别器，通过使用单个参考点而不是检测到的区域，使检测器和识别器之间的依赖性减少，并可在未标注边界多边形的情况下进行文本识别。

    Mar, 2022

  • Levenshtein OCR

    提出了一种基于 Vision-Language Transformer (VLT) 的新型场景文本识别器 (Levenshtein OCR)，利用交叉模态 Transformer 相互融合和逐步近似 ground truth, 通过模拟学习，实现并行解码，动态长度变化和良好的可解释性。实验证明，LevOCR 在标准基准测试中实现了最新水平，LevOCR 算法的有效性和优势得到了定量和定性分析的验证。

    Sep, 2022

  • 端到端、多语言 OCR 的复合网络

    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。

    Mar, 2021

  • Kwak'wala OCR 系统的用户中心评估

    本文提出了 OCR 系统的人类中心评估方法，并以 Kwak'wala 语作为案例研究，证明利用 OCR 技术可以大幅减少手动文本转录所需的时间，尤其对濒临灭绝的语言社区和研究人员，对语言文献的记录和活化具有潜在的益处。

    Feb, 2023