PulseAugur
中
实时 20:14:18
实体 Convolutional Recurrent Neural Network

Convolutional Recurrent Neural Network

PulseAugur coverage of Convolutional Recurrent Neural Network — every cluster mentioning Convolutional Recurrent Neural Network across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
4
90 天内 12
发布 · 30天
0
90 天内 0
论文 · 30天
4
90 天内 11
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 12 条
  1. TOOL · CL_366485 ·

    满语 OCR 研究强调词汇表扩展的权衡

    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。

  2. TOOL · CL_366465 ·

    AI模型用于历史文献文本分割测试 · 追踪1个来源

    研究人员评估了几种先进的目标检测模型(包括Hi-SAM、YOLO和RT-DETR)在历史文献文本行分割方面的泛化能力。该研究还探索了一种少样本学习方法,即用少量数据对模型进行微调。研究结果表明,卷积循环神经网络(CRNN)可以达到足够低的字符错误率,从而在分割后的历史文献上实现阅读理解和文本搜索,其性能因数据集而异。

  3. TOOL · CL_315205 ·

    新框架将手绘电路图转换为SPICE兼容的网表

    研究人员开发了Sketch2Sim,一个用于分析手绘电路图的新型框架。该系统将电路草图转换为与集成电路强调仿真程序(SPICE)兼容的格式,从而能够自动计算节点电压和电流。该框架采用多阶段流水线,包括基于YOLO的检测器、用于符号提取的带OCR的CRNN,以及用于节点识别的DBSCAN等图像处理技术。创建了一个包含1000个手绘电阻-电感-电容(RLC)电路的数据集来训练和评估该系统,证明了其在各种书写风格和条件下的稳健性能。

  4. COMMENTARY · CL_301595 ·

    CRNN均值教师模型在噪声分类方面遇到困难;用户寻求建议

    一位Reddit用户正在寻求关于改进其使用卷积循环神经网络(CRNN)和均值教师算法的二元噪声分类模型的建议。该模型在精确的时间边界定位方面遇到困难,特别是起始和结束时间不匹配的问题,而半监督训练期间激进的一致性权重调整加剧了这一问题。用户目标是将F1和Dice分数之和至少达到1.5,目前的分数分别为0.919(F1为0.284,Dice为0.635)。

  5. TOOL · CL_298448 ·

    新数据集为中世纪圣歌提供3万个OMR真值示例

    研究人员开发了一个新的数据集,包含超过3万个中世纪圣歌的光学音乐识别(OMR)真值示例,将手稿图像与音乐符号关联起来。该数据集使用Cantus数据库的Volpiano转录创建,包含超过190万个标记,涵盖了各种记谱法家族和布局。一个在此数据上训练的卷积循环神经网络在测试行上实现了9.6%的符号错误率,显著优于之前在奥地利文献上训练的模型。

  6. RESEARCH · CL_247774 ·

    满文OCR通过结合合成与真实历史数据得到提升

    研究人员探索了改进濒危满语的光学字符识别(OCR)的方法,满语曾是清朝的重要语言。一项结合合成与真实历史词图像的研究表明,引入真实数据可显著提高准确性,将性能提升至超过95%的词准确率,而仅使用合成数据训练的准确率最高不超过88%。研究评估了不同的训练策略,发现联合训练和顺序训练方法均取得了相似的结果,并且紧凑型卷积循环神经网络(CRNN)在用真实图像训练时可以达到顶级性能。通过强识别器之间的误差互补投票,在无需额外训练的情况下,准确…

  7. TOOL · CL_187489 ·

    VLMs 从20世纪法国历史报刊中绘制亚美尼亚侨民广告

    研究人员开发了一个新颖的流程,用于从法国数字化20世纪亚美尼亚报纸中提取和地理编码商业广告。该系统利用视觉语言模型(VLMs)来克服资源匮乏的西亚美尼亚语处理以及扫描历史文件质量差的挑战。该项目引入了一个带有广告注释的西亚美尼亚语报刊新语料库,以及一个适用于类似历史语言数据的可复现工作流程。

  8. RESEARCH · CL_97626 ·

    新数据集和CRNN模型推动乌尔都语手写文本识别

    研究人员推出了Urdu Katib Handwritten Dataset (UKHD),这是第一个历史乌尔都语手写文本行的离线数据集。该数据集旨在解决乌尔都语手写文本识别 (UHTR) 资源稀缺的问题。研究还评估了各种基于CRNN的模型,确定CNN-BGRU-CTC在乌尔都语Katib手写识别方面最有效,实现了较低的字符和单词错误率。

  9. TOOL · CL_97640 ·

    手写文本识别 (HTR) 系统在阿拉伯字母与拉丁字母识别上持续存在性能差距

    一篇新发表在 arXiv 上的研究分析了拉丁字母和阿拉伯字母手写文本识别 (HTR) 系统的性能差距。研究人员使用了一个统一的卷积循环神经网络 (CRNN) 模型,跨多个数据集和训练规模进行性能比较。研究结果表明,阿拉伯字母的错误率持续更高,尤其是在低资源环境下。尽管随着数据量的增加,这种差距会缩小,但在完全规模下依然存在,部分原因归结于标注质量问题以及阿拉伯字母更高的视觉变异性和重尾字符频率分布。

  10. TOOL · CL_93989 ·

    新框架通过AI和人工审核提升阿拉伯文HTR数据集质量

    研究人员开发了一种新颖的两阶段框架CER-HV,旨在提高用于训练手写文本识别(HTR)模型的数据集质量,特别是针对阿拉伯文脚本语言。该框架结合了卷积循环神经网络(CRNN)进行自动错误检测和“人在回路”验证过程。当应用于阿拉伯文数据集时,CER-HV成功识别了转录和分割错误等标签错误,在数据集清理和模型重新训练后,评估CER提高了多达1.8个百分点。

  11. RESEARCH · CL_22407 ·

    跨语言手写文本识别模型通过序列建模提高低资源性能

    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。

  12. RESEARCH · CL_02078 ·

    神经网络模拟具有可变过饱和度的晶体生长动力学

    研究人员开发了卷积循环神经网络代理模型来模拟晶体生长动力学。这些模型基于 Allen-Cahn 动力学数据进行训练,并能考虑可变过饱和度水平。该研究比较了两种架构:一种从帧的迷你序列中隐式推断过饱和度,另一种将过饱和度作为显式输入。结果表明,显式参数条件能够产生最准确的预测,尽管隐式方法在更大的训练数据集下也能获得可比的结果。