基于序列到序列带注意力机制的端到端高棉语光学字符识别
计算机视觉与模式识别
2021-06-22 v1
摘要
本文提出一种用于高棉语光学字符识别(OCR)任务的端到端深度卷积循环神经网络方案。该方案采用带注意力机制的序列到序列(Seq2Seq)架构。编码器通过残差卷积块层和门控循环单元(GRU)层从输入文本行图像中提取视觉特征。这些特征被编码为单一上下文向量和隐藏状态序列，输入解码器逐字符解码，直至达到特殊的句末(EOS)标记。注意力机制使解码器网络在预测目标字符时能自适应选择输入图像的部分区域。Seq2Seq高棉语OCR网络在包含七种常见高棉语字体的大量计算机生成文本行图像上训练。在3000张图像测试集上，所提模型以1%的字符错误率(CER)优于高棉语当前最优的Tesseract OCR引擎的3%。
引用
@article{arxiv.2106.10875,
title = {An End-to-End Khmer Optical Character Recognition using Sequence-to-Sequence with Attention},
author = {Rina Buoy and Sokchea Kor and Nguonly Taing},
journal= {arXiv preprint arXiv:2106.10875},
year = {2021}
}
备注
16 pages, 18 figures