text recognition | BriefGPT

关键词text recognition

搜索结果 - 69

IJCAI基于对称重叠建模的自监督预训练在场景文本识别中的应用
通过 Symmetric Superimposition Modeling (SSM) 方法，该研究致力于同步捕捉文本图像中的字符特征和语言信息，并在各种文本识别基准测试中展示了其有效性和广泛性，以平均 4.1% 的性能提升和 86.6%
PDF2 months ago
文本识别的自我监督预训练
本文研究了文档文本识别的自监督预训练方法，探索了利用未标记数据的方法，并提出了基于掩码标签预测的自监督预训练方法，以及联合嵌入方法和模型崩溃预防技术。通过在历史手写和历史印刷数据集上的实验表明，自监督预训练在目标领域数据上非常有效，但在与之
PDF2 months ago
DLoRA-TrOCR：基于 Transformer 的混合文本模式光学字符识别
本研究旨在通过对预训练基础 OCR 模型进行有效的参数微调，在各种下游任务中展示出卓越的性能。我们提出了一种基于预训练 OCR Transformer 的参数高效混合文本识别方法，即 DLoRA-TrOCR。该方法将 DoRA 嵌入图像编码
PDF2 months ago
HierCode：一种用于零样本中文文本识别的轻量级分层编码本
HierCode 是一种利用汉字的内在层次结构，通过多热编码策略和原型学习创建独特、信息丰富的表示来解决汉字识别中的挑战，包括层次化部首表示、未知字符识别以及线级识别任务，并在各个基准测试中展示其优越性能。
PDF3 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
指令引导的场景文本识别
多模型，场景文本识别，指导学习，跨模态学习，文本识别问题。
PDF5 months ago
SwinTextSpotter v2：场景文字识别的协同优化
SwinTextSpotter v2 是一个新的端到端场景文字识别框架，通过引入 Recognition Conversion 和 Recognition Alignment 模块来加强文本检测和识别之间的关系，从而在各种多语言基准测试中取
PDF6 months ago
AAAI刷字：通过扩散模型在图像上合成任意场景文本
提出了 Diff-Text，它是一个训练免费的场景文本生成框架，能够以任何语言的文本和场景的文本描述为输入，输出逼真的照片。通过引入局部化的注意力约束和对比度图像级提示，实现了场景文本的准确生成，并在文本识别准确性和前景背景融合的自然度方面
PDF6 months ago
场景文本图像超分辨率的识别引导扩散模型
在场景文本图像超分辨率的研究中，通过引入一种生成模型 RGDiffSR 和一种去噪网络 RGDN，本文通过语义引导实现了场景文本图像的高保真度图像增强，从而在文本识别准确度和图像保真度方面都取得了优于现有方法的结果。
PDF7 months ago
基于深度学习的孟加拉标牌地址信息的检测、识别和解析
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。
PDF7 months ago
UReader：基于多模态大型语言模型的通用无 OCR 视觉智能语言理解
通过利用 Multimodal Large Language Model (MLLM) 的浅层文本识别能力，我们在较低的训练成本下，通过在广泛的视觉语境理解任务上联合微调，设计了 UReader 模型，实现了 OCR-free 模式下在 8
PDF9 months ago
DTrOCR：解码器专用的 Transformer 用于光学字符识别
通过使用 Decoder-only Transformer 作为生成式语言模型，本研究提出了一种相对简单而有效的文本识别方法 DTrOCR，实验结果表明 DTrOCR 在识别印刷、手写和场景文本方面比当前的最先进方法表现出更好的性能。
PDF10 months ago
多语种印度文字的光学脚本识别
该研究论文调查了脚本识别和文本识别的现有方法和技术，并讨论了在处理和识别脚本方面的技术改进，特别是针对印度的 12 种主要印度文字的复杂特征和高级预处理方法。
PDFa year ago
使用卷积神经网络的手写体识别
通过使用 NIST 数据集对卷积神经网络进行训练并提取图像特征，成功实现了 90.54% 的识别准确率和 2.53% 的损失，该技术可以对手写和印刷文本进行 OCR 和 ICR 的处理。
PDFa year ago
CVPR 2023 UG$^{extbf {2}}$+ 挑战赛 2.1 解决方案：大气湍流下的文本识别
我们团队 VIELab-HUST 在 CVPR 2023 UG$^{2}$+ 比赛的 2.1 赛道中，通过大气湍流识别文本，使用多级框架、基于清晰度的帧选择算法、区域图像融合和学习性去除伪影方法，成功地恢复了高质量的图像，并获得了第一名的准
PDFa year ago
听声辨字：音频导向文本识别
本文提出了一种基于概率音频解码器来实现场景文本识别的方法，可以解决现有方法中存在的增加、删除或替换等编辑错误，并在 12 个现有的规则、不规则、遮挡数据集上对其进行了实验证明；此外，该方法具有较高的泛化性，可以应用于识别非英语文本、未知词汇
PDFa year ago
关于大型多模型模型中 OCR 的隐秘之谜
该论文通过对现有公开的多模态模型进行综合研究，评估它们在文本识别、基于文本的视觉问题回答和关键信息提取等任务中的性能，发现这些模型主要依赖于语义理解进行字识别，对单个字符形状的感知较差，同时对文本长度漠不关心，无法有效检测图像中的细粒度特征
PDFa year ago
ICDAR 2023 读取印章比赛
本文介绍了 ICDAR 2023 印章标题文本识别（ReST）比赛，并概述了比赛的组织、挑战和结果，报道了来自学术界和工业界的 53 位参与者，包括 28 个 Task 1 的提交和 25 个 Task 2 的提交，结果表明印章标题文本识别
PDFa year ago
基于几何感知的高效文本识别
本文介绍用于场景文本识别的深度学习架构 GeoTRNet 的概念、理论、实现及实验结果，该架构专用于处理常规场景文本，只使用几何特征识别图像中的数字，具有优异的模型可部署性、数据隐私性、模型可靠性，同时具有最小化模型权重、更短的推理时间等优
PDFa year ago
CVPRDeepSolo: 一种用显式点进行文本定位的 Transformer 解码器
文章介绍一种名为 DeepSolo 的模型，使用 ordered points 表达字符序列并训练一个 Decoder 进行文字检测和识别，同时还引入了更精确的监督信号提高训练效率，实验结果表明 DeepSolo 在公共基准测试中优于之前的
PDF2 years ago