研究人员推出了一种名为伪OCR的新型框架,旨在解决开放词汇场景文本识别的挑战,即识别训练数据集中不存在的单词。该系统通过利用字符检测和图像修复来生成合成训练数据,模拟具有真实字符和背景的真实场景。语义检查机制对该伪数据进行过滤以获取有意义的内容,并采用质量感知边界损失函数来提高分类准确性并惩罚低质量样本。该方法表现出色,在八个数据集上超越了最先进的方法,并在ICDAR2022挑战赛中获得第一名。 AI
影响 推动了计算机视觉领域开放词汇能力的发展,有望改进自动驾驶和文档分析等应用。
排序理由 关于场景文本识别新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →