研究人员探索了改进低资源语言(如满语)的光学字符识别(OCR)的技术,重点关注词汇表扩展与准确性之间的权衡。他们的研究发现,虽然用形态学候选词扩展词典可以提高覆盖率,但也可能降低词典内的精度,从而导致整体准确性下降。对于满语 OCR,具有置信度回退的基础词典比扩展词汇表的表现更好,这表明在低资源环境下,选择性地结合词汇约束和开放识别更有效。 AI
影响 对低资源 OCR 技术的研究可以使人工智能更广泛地应用于代表性不足的语言。
排序理由 该集群包含一篇关于低资源语言 OCR 研究的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- Convolutional Recurrent Neural Network
- DagsHub
- Gotit.pub
- Hugging Face
- Litmaps
- Manchu
- optical character recognition
- ScienceCast
- scite Smart Citations
- transformer
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →