ocr | BriefGPT - AI 论文速递

关键词ocr

搜索结果 - 83

基于 CTC 模型的印度语言 OCR 的实证研究
该论文研究了用 CTC 建立神经网络模型的方法，将 13 种印度语言的文字识别单位定为行或单词，使用合成数据训练模型，对比公共 OCR 工具，提出了新的公共数据集 Mozhi，实现了在印度语言中进行单词和行识别的 OCR。
PDF2 years ago
ECCVUnitail: 零售场景下的检测、阅读和匹配
介绍了 United Retail 数据集（Unitail），该数据集可用于检测、阅读和匹配产品，并提供了产品检测器和基于 OCR 的匹配方案。
PDF2 years ago
基于文本相似度的孟加拉语抄袭检测
通过 OCR 技术和 Levenshtein Distance 算法，我们构建了一个能够成功检测孟加拉文文本抄袭的网络应用，并利用国家数字图书馆的文献构建了一个文本语料库以提高准确性。
PDF2 years ago
CVPRXYLayoutLM：面向布局感知的多模态网络，用于视觉丰富的文档理解
本论文提出了一种名为 XYLayoutLM 的鲁棒的布局感知多模态网络，它可以从通过 Augmented XY Cut 生成的正确阅读顺序中捕获和利用丰富的布局信息，并且提出了一种扩展有条件位置编码模块来处理变长输入序列，同时从文本和视觉模
PDF2 years ago
ECCVLanguage Matters: 一种弱监督的视觉 - 语言预训练方法用于场景文字检测和定位
本文提出了一种弱监督的预训练方法 oCLIP，该方法通过联合学习视觉和文本信息来获取有效的场景文本表示，并能从弱注释文本中学习，可以有效地应对 OCR 任务。实验证明，该方法在多个公共数据集上都优于现有的预训练技术。
PDF2 years ago
AAAIDocBed: 用于复杂版面文档的多阶段 OCR 解决方案
本文介绍了基于数字化报纸的复杂布局分析的挑战及其解决方法，其中提供了一个覆盖 21 个州、3000 张真实报纸图像的数据集，探索了多种前沿分割模型和后处理方法，以实现对报纸的数字化，并提供了结构化评估方法。
PDF2 years ago
OCR 噪声对语言模型的影响评估
本研究旨在分析 OCR 噪声对多语种语言模型的影响，并发现 OCR 噪声会对语言模型造成显著影响，特别是在少量语料库的情况下，简单的语言模型如 PPMI 和 Word2Vec 可以更好地应对 OCR 噪声。
PDF2 years ago
ACL面向 OCR 后校正的词汇感知半监督学习
该论文介绍了一种利用 OCR 生产的非数字化的图书和文件实现半监督学习的方法，并通过使用自我训练和词汇解码等技术在四种濒危语言上提高了 OCR 的相对准确率。
PDF3 years ago
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。
PDF3 years ago
PP-OCRv2: 超轻量 OCR 系统的绝招
本研究提出了一种更强健的 OCR 系统 PP-OCRv2，采用协作式互相学习、拷贝粘贴、深度神经网络、CTCLoss 等技巧来训练更好的文本探测器和识别器。实验表明，在相同推断成本下，PP-OCRv2 的精度比 PP-OCR 高 7%。
PDF3 years ago
本地化、分组和选择：通过场景文本建模提升文本 - VQA
本文提出了一种名为 Localize, Group, and Select (LOGOS) 的模型，它利用场景文本聚类和光学字符识别（OCR）技术来更好地定位图像的关键信息、实现跨模态理解，并从不同来源的 OCR 文本中选择最佳答案，成功解
PDF3 years ago
MMMMOCR: 一款全面的文字检测、识别和理解工具箱
MMOCR 是一个开源工具箱，提供了文本检测和识别的全面流水线，以及其下游任务，例如命名实体识别和关键信息提取。它实现了 14 种最先进的算法，大大超过了我们目前知道的所有现有开源 OCR 项目。
PDF3 years ago
KDD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。
PDF3 years ago
IJCAI标记、复制或预测：一种统一的弱监督学习框架，用于使用序列进行视觉信息提取
本文提出了一种弱监督的学习框架 TCPN，采用了仅使用关键信息序列作为监督信号的训练策略，并且包含了两种推理模式：复制或预测模式和标记模式。在几个公共基准测试上，我们的方法展现了新的最先进表现，充分证明了它的有效性。
PDF3 years ago
ACL基于实证误差建模的神经序列标注方法提升噪声下鲁棒性能
本文在处理嘈杂的文本数据或 OCR 输出时，提出了改进的噪声感知训练方法，并通过一种从无误文本翻译为有误文本的序列对序列模型，提出了实证误差生成方法。利用 OCR 引擎生成大型平行文本语料库进行训练，针对错误序列标注数据集提出了多种真实世界
PDF3 years ago
ICCV端到端无监督文档图像盲去噪
本文提出了一种统一的端到端无监督深度学习模型，可以有效地去除多种噪声类型，包括盐和胡椒噪声、模糊和 / 或褪色文本以及水印等，显著提高了扫描图像的质量和多个测试数据集的 OCR 精度。
PDF3 years ago
CVPR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 TextVQ
PDF3 years ago
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
PDF3 years ago
ACL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。
PDF3 years ago
应用图卷积网络进行 OCR 后段识别
本文提出了一种新的方法，使用空间图卷积网络（GCN）应用于 OCR 文本框，在文档图像中识别段落。通过线路分割和线路聚类两个步骤，从 OCR 结果的行中提取段落。每个步骤使用从边界框建立的贝塔骨架图，其中图边提供了有利于图卷积操作的高效支持
PDF3 years ago