Nov, 2023

基于深度学习的孟加拉标牌地址信息的检测、识别和解析

PDF
TL;DR通过深度学习模型，我们提出了一个端到端系统来高效地检测、识别、校正和解析孟加拉语标牌上的地址信息，并设计了一种新颖的地址文本校正模型和孟加拉语地址文本解析器。
textual informationnatural scene imagestext detectiontext recognitionbangla address
发现论文，激发创造
  • 连接节点：利用时空图神经网络进行准确的孟加拉手语识别

    本研究提供了一个新的词级孟加拉手语数据集（BdSL40），包含 611 个单词的 40 个视频，以及两种不同的方法：一种是基于 3D 卷积神经网络模型，另一种是基于图神经网络的方法，用于对 BdSL40 数据集进行分类。该研究还揭示了 BdSL、西孟加拉手语和印度手语之间的显著词汇和语义相似性，以及文献中对 BdSL 缺乏词级数据集的情况。我们发布了数据集和源代码以促进进一步的研究。

    Jan, 2024

  • 使用深度生成模型的特征提取进行孟加拉文本分类新综合数据集

    本研究收集、标注并准备了一个由 212,184 个孟加拉语文档组成的全面数据集，并公开提供访问。我们实施了三个深度学习生成模型：LSTM 变分自编码器（LSTM VAE）、辅助分类器生成对抗网络（AC-GAN）和对抗自编码器（AAE）以提取文本特征，并将它们应用于文档分类任务中。我们评估了分类器的性能，并发现对抗自编码器模型产生了最好的特征空间。

    Aug, 2023

  • 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

  • 深度学习和推理相结合用于非结构化文本文档的地址检测

    本文提出了一种深度学习与推理相结合的方法，可从非结构化文本文档中找到并提取地址信息，从而提高公司处理效率。

    Feb, 2022

  • 利用文本分割和深度卷积序列从自然场景图像中离线提取印度区域语言

    本文提出了一种通过图像纠正和分割以及使用深度学习技术进行文本识别和自然语言处理的方法，以从自然现场图像中提取区域语言信息，相比现有方法具有更好的性能。

    Jun, 2018

  • 尼泊尔语和孟加拉语的光学文本识别：基于 Transformer 的方法

    该研究使用编码器 - 解码器转换器针对 OCR 系统的研究和发展，以低资源语言（如孟加拉语和尼泊尔语）为例，通过对手写和打印的光学文本图像的集合进行评估，结果表明该技术与当前方法相符，并在孟加拉语和尼泊尔语的文本识别中取得了高精度，从而为东南亚地区的语言学研究打开了先机。

    Apr, 2024

  • BanglaNet：使用卷积神经网络集成的孟加拉手写字符识别

    基于多个卷积神经网络的集成模型 BanglaNet 被提出用于分类孟加拉基本字符、复合字符、数字和修饰符。在多个数据集上进行的严格实验表明，相比于最近的基于卷积神经网络的研究，该模型获得了显著的识别准确率。

    Jan, 2024

  • 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

  • BLPnet：一种新的 DNN 模型和孟加拉自动车牌识别 OCR 引擎

    本文提出了一种针对孟加拉语车牌的高效自动车牌识别系统，采用新的端到端深度神经网络模型 Bengali License Plate Network (BLPnet)，实现了字符旋转不变性和实时车牌字符识别，Mean Squared Error 为 0.0152，平均车牌字符识别准确率达到 95%。与其他模型相比，BLPnet 具有更高的号牌检测准确率和更短的时间要求。

    Feb, 2022

  • 一种基于卷积神经网络的方法，用于识别孟加拉语口语中的数字

    该研究使用多年龄、性别和方言的孟加拉人的音频记录创建了大型的 “0-9” 孟加拉数字口语数据集并使用 Mel 频率倒谱系数和卷积神经网络来识别数字，该方法在整个数据集中达到了 97.1％的准确率并使用 10 倍交叉验证进行了评估，得出 96.7％的准确性。

    Nov, 2021