optical character recognition | BriefGPT

关键词optical character recognition

搜索结果 - 75

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。
PDFa month ago
电子表格理解的视觉语言模型：挑战与机遇
本文通过在电子表格理解方面探索视觉语言模型的能力，提出了三个自我学习挑战并伴随相应的评估方法，全面评估了 VLMs 在光学字符识别、空间感知和视觉格式识别等方面的能力。同时，还提出三种电子表格到图像的设定，以更细致地探索 VLMs，其中包括
PDFa month ago
基于图像的字符识别，从寺庙解码铭文的文档系统
该研究训练和分析应用于位于 Brihadeeswarar Temple 墙壁上发现的 10 世纪古代泰米尔铭文的光学字符识别（OCR）方法，其中选择的 OCR 方法包括使用现代 ICR 技术预处理原始数据的 Tesseract（一种广泛使用
PDFa month ago
铁路技术图 (RTM) 组件识别的迁移学习方法
使用深度学习和光学字符识别技术，本研究提出了一种通用系统，可以从给定的输入图像中数字化相关的地图组件数据，并创建一个格式化的文本文件。使用 Faster-RCNN 目标检测模型可以获得最高的平均精度和最高的 F1 分数值，分别为 0.68
PDFa month ago
DELINE8K: 历史文档语义分割的合成数据流水线
通过综合预印文本、手写和来自 10 个来源的文档背景，我们提出了截至目前最全面的文档语义分割综合流程 DELIN8K 数据集，该定制数据集在国家档案表单语义分割（NAFSS）基准上表现出卓越性能。
PDF2 months ago
TEXT2TASTE: 用大型语言模型的多功能自我中心视觉系统进行智能阅读辅助
通过智能眼镜中嵌入的 RGB 摄像头和大型语言模型（LLM）构建的智能阅读助手，利用物体检测和光学字符识别方法处理眼镜佩戴者的视角拍摄视频，从而定位文本信息，并通过与用户的互动实现查询和摘要功能，为有视力障碍的人群提供在日常活动中获取知识的
PDF3 months ago
利用可用的光学字符识别引擎增强处理旧的库尔德出版物
该研究致力于处理库尔德历史出版物，采用 Google 的免费 OCR 框架 Tesseract 5.0，使用自行创建的历史文档数据集进行训练，开发了一个提取文本的网页应用，同时也面临了公共数据集缺乏和字符、词之间不对齐的挑战。
PDF3 months ago
COLINGPEaCE：面向科学文档的光学字符识别数据集
光学字符识别（OCR）是一项旨在识别图像中存在的文本的已建立任务。本研究旨在通过提出 PEaCE 数据集并评估基于 Transformer 的 OCR 模型的有效性，弥合 Parse PubMed 文章中的表格这个问题，并发现小块大小的模型
PDF3 months ago
物理设计图纸的高级知识提取，利用深度学习进行转换和转换为 CAD 格式
使用深度学习方法将设计图纸转换为数字格式，以解决其在实体形式下的维护、存档和使用的困难，并通过对象检测模型、边缘检测算法、曲线检测技术和光学字符识别工具提高转换的准确性和效率，进而提高组织的生产力、促进协作并方便地保留有价值的设计信息。
PDF3 months ago
基于 OCR 模态扰动的场景文本视觉问答对抗训练
本研究提出了一种多模态的对抗训练架构，其中引入了对抗性 OCR 增强（AOE）模块和空间感知自注意力（SASA）机制，旨在改善场景文本视觉问答的性能，并为多模态对抗训练提供了新的方法。
PDF4 months ago
LOCR：基于位置引导的光学字符识别 Transformer
教育文档的光学字符识别 (OCR) 模型 LOCR，通过在自回归过程中将位置引导集成到变压器架构中，有效地解决了复杂布局文档中的重复问题，提高了准确性，同时还提供了交互式 OCR 模式。
PDF4 months ago
大型语言模型用于同时进行命名实体提取和拼写纠正
利用 Large Language Models (LLMs) 来从图片中的日语购物小票 OCR 文本中提取出命名实体，并自动纠正文本中存在的拼写错误。
PDF4 months ago
越过泥泞：离路赛车中的计算机视觉数据集和基准
在非受限和极端环境下的图像识别中，光学字符识别 (OCR) 和计算机视觉系统取得了显著的进展，但仍存在识别文本和识别人物的难题。为了解决这些问题，本研究引入了两个新的挑战性真实世界数据集，通过简化、模糊和运动模糊等多种因素来突出当前方法的不
PDF5 months ago
利用视觉检测模型增强多模态大型语言模型：实证研究
通过融合先进的目标检测和光学字符识别模型，我们在多模态大型语言模型的基础上进行了实证研究，以改善对细粒度图像理解的能力并减少回应中的虚构现象。我们的研究探讨了融合检测信息的基于嵌入的方法，该方法对原始多模态大型语言模型的影响以及检测模型的互
PDF5 months ago
高效多域文本识别深度神经网络参数化及残差适配器
该研究介绍了一种新颖的神经网络模型，使用多任务学习来提高光学字符识别（OCR）的效率和泛化能力，并通过有效降低训练参数数量来保持高准确性，以适应新领域，提供领域特定性能改进而无需重新训练。该模型在开放数据集上经过严格评估，证实了其作为可扩展
PDF6 months ago
OCR 的标度律实证研究
通过对模型尺寸、数据量、计算和模型性能进行全面研究，在自然语言处理领域确定了它们之间的关系，然而在光学字符识别领域的标度律尚未被研究。本研究通过对模型性能、数据量和计算规模之间的关联进行详细研究，表明在控制其他影响因素的情况下，性能与模型尺
PDF6 months ago
阿拉伯光学字符识别的进展与挑战：综述
光学字符识别 (OCR) 是一个重要的过程，它涉及从扫描或打印图像中提取手写或印刷文字，将其转换为机器能够理解和处理的格式。本文旨在全面审查与阿拉伯光学字符识别 (OCR) 相关的当代应用、方法和挑战。通过对 OCR 过程中常用的技术进行彻
PDF6 months ago
UPOCR：面向统一像素级 OCR 接口
提出了一种名为 UPOCR 的简单而有效的通用模型，用于统一的像素级光学字符识别接口，通过图像转化和基于视觉 Transformer 的编码器 - 解码器结构统一了多样的 OCR 任务的范式，并引入可学习的任务提示使解码器具有任务感知性，在
PDF7 months ago
IDPL-PFOD2：一个用于印刷波斯文光学字符识别的新的大规模数据集
本文介绍了一种针对波斯文印刷文本识别的新型大规模数据集，该数据集包含 2003541 个图像并提供各种字体、样式和尺寸。通过使用基于 CRNN 和 Vision Transformer 的体系结构来评估数据集的有效性，CRNN-based
PDF7 months ago
基于 Transformer 的光学字符识别对抗攻击的脆弱性分析
基于 Transformer 的 OCR 模型的韧性评估表明，非定向攻击对其高度脆弱，而定向攻击相对较弱；在基准手写数据集上，非定向攻击几乎无法察觉，造成字符错误率超过 1；而具有类似扰动大小的定向攻击可以以大约 25％的成功率攻击单个标记
PDF7 months ago