PulseAugur
中
实时 02:09:04
English(EN) Reading in the Dark: Low-light Scene Text Recognition

新数据集和方法应对低光照场景文本识别挑战

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了 LSTR，一个用于低光照场景文本识别的大规模数据集，以及 ESTR，一个包含真实夜间街景的小型评估集。他们探索了两种方法：微调现有的 OCR 模型和一种新颖的联合训练策略，该策略将低光照图像增强模块与 OCR 模型相结合。他们的研究结果表明，专门的、联合训练的以文本为中心的方法在低光照条件下优于独立的增强或 OCR 模型。 AI

影响 新的数据集和联合训练方法可以提高在具有挑战性的低光照环境中 OCR 的性能，应用于自动驾驶等领域。

排序理由 学术论文，介绍了用于低光照场景文本识别的新数据集和方法论。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新数据集和方法应对低光照场景文本识别挑战

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Xuanshuo Fu, Lei Kang, Ernest Valveny, Dimosthenis Karatzas, Javier Vazquez-Corral ·

    暗光阅读：低光场景文本识别

    arXiv:2604.23685v1 Announce Type: new Abstract: Accurate text recognition in low-light environments is essential for intelligent systems in applications ranging from autonomous vehicles to smart surveillance. However, challenges such as poor illumination and noise interference re…

相关实体

相关话题