optical character recognition | BriefGPT

关键词optical character recognition

搜索结果 - 76

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。
PDFa year ago
面向文本的双路由网络用于视觉问答
提出了一种名为 TDR 的基于文本感知的双路由神经网络，在视觉问题回答方面取得了优异表现，特别是在与数字相关的问题上。
PDF2 years ago
像素精准手写文档布局分析的高效少样本学习
本文提出了一种高效的 few-shot 学习框架，通过在公开数据集 DIVA-HisDB 上的试验，表明该框架的性能可与当前最先进的完全监督方法媲美，有效地解决了在古代手写文献分析中像素精确的文本标注是一项耗时的过程，而这种信息在现实世界中
PDF2 years ago
一种基于 Transformer 模型的端到端 OCR 框架，用于识别具有变音符的大规模古典阿拉伯文多字体语料库的手写体 Arabic 识别
本文介绍了针对阿拉伯历史文献的光学字符识别技术的研究，提出了一种端到端文本识别方法 BEIT，并通过实验比较证明，该方法优于卷积神经网络的特征提取方法，达到了 4.46% 的识别准确率。
PDF2 years ago
You Actually Look Twice At it (YALTAi): 在 Kraken 引擎内使用目标检测方法代替区域分割
我们提出了使用等面矩形进行对象检测的方法，以替换基于像素分类的多边形化，从而更有效地完成光学字符识别中的版面分析任务。对历史文献进行测试时，使用 YOLOv5 的结果比 Kraken 更为优秀。我们提供了两个历史文献训练和评估数据集，并发布
PDF2 years ago
面向多模态视觉语言模型生成非通用文本
本文主要介绍了一种将人名加入生成文本的新方法，通过使用 OCR 识别图像中的文字并 fine-tuning 预训练模型，我们的方法在生成文本的时候自然地加入了人名信息。为了达到这个目的，我们修改了之前的多模态框架，接受来自任意数量的辅助分类
PDF2 years ago
BusiNet -- 业务文档轻量快速文本检测网络
本文介绍了一个名为 BusiNet 的检测网络，旨在用于 OCR 商业文件。BusiNet 使用特殊的合成数据集处理扫描文档的损坏和噪音，并采用对抗性训练策略使模型对未见过的噪声具有鲁棒性。我们对公开数据集进行评估，证明其对 OCR 商业文
PDF2 years ago
光学字符识别质量影响历史报纸剪报的感知实用性
本研究探究了光学字符识别质量对交互式信息检索的影响，并发现光学字符识别质量的提高会对历史报纸文章的被感知有积极影响。同时，我们还发现用户的主观相关性评价会受到光学字符识别质量的变化而发生改变。
PDF2 years ago
OCR 质量对历史报纸剪报的感知有影响 —— 一个用户研究
本研究通过用户评估的方式，从用户角度研究了光学字符识别（OCR）质量对于历史信息检索的影响。实验表明，提高 OCR 质量显著地提高了历史报纸文章的被用户认为有用的程度。
PDF2 years ago
ECCV利用自主学习提升历史文档中文本行检测（有标签缺失情况下）
该研究提出了一种自学习算法来提高光学字符识别系统中的文本行检测性能，利用自学习策略逐渐添加缺失标注的训练例子，通过将真实的边界框与伪边界框进行非极大值抑制的组合，在历史文档的两个数据集上显著提高了 YOLOv4 的平均精度。
PDF2 years ago
KDD多源噪声模拟与难例挖掘用于文本分类的鲁棒性学习
本研究提出了一种新的训练框架，通过直接模拟自然 OCR 噪声并从大量的模拟样本中迭代挖掘难样本来提高模型性能，实验表明该框架大大提高了预训练模型的鲁棒性，可以在实际场景下极大地促进 NLP 模型的应用。
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
ConvMath：一种卷积式序列网络用于数学表达式识别
本文提出一种称为 ConvMath 的卷积序列建模网络，可将图像中的数学表达式描述转换为 LaTeX 序列，并通过多层注意机制和卷积解码器来提高模型的准确性和效率。在 IM2LATEX-100K 数据集上的实验结果表明，该网络实现了最先进的
PDF4 years ago
KDDFAWA: 光学字符识别系统的快速对抗性水印攻击
本研究提出了一种基于 Fast Adversarial Watermark Attack (FAWA) 的白盒序列 OCR 模型的攻击方法，该方法将扰动伪装成水印，使得生成的对抗性图像能够对人眼呈现自然外观，并且能够实现 100% 的攻击成
PDF4 years ago
AAAI文本多模态变压器自信心感知的非重复生成
本文提出了一种基于信心感知的非重复多模态 Transformer（CNMT）模型，通过优化 OCR 系统、加入置信度嵌入来选择关键词，并使用重复掩码在图片描述中避免重复，旨在提高文本阅读能力，避免预测重复单词，并在 TextCaps 数据集
PDF4 years ago
PP-OCR：一款实用的超轻型 OCR 系统
本论文提出了 PP-OCR，一个高效的光学字符识别系统，其模型大小仅有 3.5M。该系统通过采用一系列优化策略来提高模型能力和减小模型大小。此外，该系统支持多语言识别，包括法语、韩语、日语和德语。
PDF4 years ago
使用改进的图学习卷积网络从文档中提取关键信息的 PICK 技术
该文介绍了使用图形学习与图形卷积操作相结合的 PICK 框架，以处理 KIE 中复杂文档布局，从而获得包含文本和视觉特征和全局布局的更丰富的语义表示，并通过实验表明了该方法的性能优于基线方法。
PDF4 years ago
CVPRScrabbleGAN：半监督变长手写文本生成
介绍一种基于半监督学习的手写文本图像合成方法，该方法可生成任意长度的词汇风格多样的手写文本图像，并实现其风格的操纵，能够提高光学字符识别系统的性能。
PDF4 years ago
使用对抗性水印攻击光学字符识别（OCR）系统
提出一种基于水印攻击的自然失真对抗生成模型，以应对深度神经网络在光学字符识别中容易受到对抗样本攻击的问题。实验结果表明，水印攻击方法可以生成带有自然水印的对抗样本，并在不同攻击情景下取得类似于现有最先进方法的攻击效果。
PDF4 years ago
手写光学字符识别（OCR）：一篇全面系统性文献综述（SLR）
本篇综述研究了手写文字光学字符识别技术及其研究方向，通过人工智能和机器学习工具将手写和印刷文件转化为可分析、可编辑和可搜索的电子数据。共收集 142 篇相关研究，总结了最新的 OCR 技术和研究方向。
PDF5 years ago