Dec, 2023

地面真实性对手写识别的影响

PDF
TL;DR手写识别是访问古代手稿内容的关键技术，有助于保护文化遗产。深度学习在解决这一任务上表现出色，但要充分发挥其潜力，需要大量标记的数据，这在获取古代语言和文字方面是困难的。本文研究了对齐过程引入的系统性错误对训练和评估结果的影响，并提出了检测和纠正典型对齐错误的方法。
handwriting recognitiondeep learninglabeled dataancient languagesalignment errors
发现论文，激发创造
  • 针对英文手写体草书和印刷体的端到端交互式深度学习标注系统

    本文介绍了一种创新的、完整的端到端流程，采用深度学习和用户交互技术，对印刷和草书英文手写手稿进行注释，该方法使用了最先进的文本识别模型构建的检测系统和自定义的深度学习模型，结合易于使用的交互式界面，旨在提高检测、分割、序列化和识别阶段的准确性，以确保高质量的注释数据，最大程度地减少人类交互。

    Apr, 2023

  • 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

  • 如何选择预训练的手写识别模型用于单作者微调

    通过对大型基准数据集和通过手写文本生成模型产生的合成数据集的研究，本文提出在大数据集上预训练手写文本识别模型，并在少量带有个人特点手写的小规模数据集上进行微调，以有效转录手稿。

    May, 2023

  • 手写文件的非破坏性检验的新数据集

    司法笔迹鉴定是法医科学的一个分支，旨在通过全面比较内在的局部和全局特征，检验手写文件以准确定义或假设手稿的作者。该研究提出了一个新的数据集，包括传统手写文件和数字工具（如平板电脑）生成的文件之间的比较，并展示了数据的初步结果，显示第一子集可以达到 90％的分类准确率，第二子集可以达到 96％。

    Jan, 2024

  • 无真实材料的手写文本识别模型评估

    这篇论文介绍了在应用阶段中评估手写文本识别 (HTR) 模型所面临的问题，以及介绍了使用不依赖于地面真实文本数据的指标来选择最佳模型的方法，其中包括使用标准语言模型和遮盖语言模型 (MLM) 的复杂度更高的方法，并表明 MLM 评估可以与基于词典的方法相竞争，其优点在于大型和多语言 Transformer 是随时可以使用的。

    Jan, 2022

  • 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

  • 关于深度学习技术及其在手写识别中的应用范围的综述

    深度学习在手写识别领域的现有研究成果进行了调查，尽管深度学习方法在加快速度和提供准确结果方面取得了显著进展，但根据文献综述，目前的研究发现深度学习仍需解决许多挑战，尤其是在数据标注方面存在问题。然而，手写识别研究预见到深度学习将在图像处理、语音识别、计算机视觉、机器翻译、机器人技术与控制、医学影像领域、医学信息处理、生物信息学、自然语言处理、网络安全等多个领域中带来变革。

    Apr, 2024

  • UIT-HWDB: 使用转移学习方法构建越南随笔手写图像识别的新基准

    本文提出了转移方法来构建手写图像数据集，以有效评估离线手写识别方法。我们提供了一个高质量的合成数据集，并使用各种现有方法进行了实验，以找出解决越南语手写识别问题的挑战。

    Nov, 2022

  • 真实标签很重要：深入探究输入标签演示

    我们基于 `Label-Correctness Sensitivity` 和 `Ground-truth Label Effect Ratio` 这两个新颖的度量标准，重新审视了在上下文学习中使用示范的重要性，发现正确的输入 - 标签映射对上下文学习的性能有着不同的影响，取决于实验设置等关键组成部分。我们还确定了 `提示模板的详细程度` 和 `语言模型大小` 等因素是实现更强的抗噪声上下文学习的关键因素。

    May, 2022

  • 众包标注群体真相的经验方法学

    本篇文章提出了使用 CrowdTruth 衡量指标来有效地收集多领域多任务的 ground truth 数据，比传统的投票方式更具优势，并研究了人数增加对标注质量的影响。

    Sep, 2018