PulseAugur
中
实时 21:43:44
English(EN) Understanding Cross-Language Transfer Improvements in Low-Resource HTR: The Role of Sequence Modeling

跨语言手写文本识别模型通过序列建模提高低资源性能

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员调查了跨语言迁移学习如何改进低资源阿拉伯语脚本语言的手写文本识别（HTR）。他们的研究表明，序列建模，而不仅仅是共享的视觉表示，是这些改进的关键，尤其是在数据稀缺的情况下。在阿拉伯语、乌尔都语和波斯语数据集上的实验表明，结合了卷积和序列建模的CRNN模型在多脚本训练时，其性能显著优于仅CNN的模型。这表明在低资源环境下，上下文理解在有效的HTR迁移学习中起着至关重要的作用。 AI

影响 强调了序列建模在低资源HTR跨语言迁移中的重要性，可能指导未来的模型开发。

排序理由 该集群包含两篇arXiv预印本，详细介绍了改进HTR模型的研究。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

跨语言手写文本识别模型通过序列建模提高低资源性能

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Sana Al-azzawi, Chang Liu, Nudrat Habib, Elisa Barney, Marcus Liwicki ·

    Understanding Cross-Language Transfer Improvements in Low-Resource HTR: The Role of Sequence Modeling

    arXiv:2605.05900v1 Announce Type: new Abstract: Handwritten Text Recognition (HTR) for Arabic-script languages benefits from cross-language joint training under low-resource conditions, particularly when using CRNN-based models that combine convolutional encoders with sequence mo…

  2. arXiv cs.CV TIER_1 English(EN) · Sana Al-azzawi, Elisa Barney, Marcus Liwicki ·

    Cross-Language Learning within Arabic Script for Low-Resource HTR

    arXiv:2605.02089v1 Announce Type: new Abstract: Handwritten Text Recognition (HTR) under limited labeled data remains a challenging problem, particularly for Arabic-script languages. Although modern sequence-based recognizers perform well in high-resource settings, their accuracy…

相关实体

相关话题