基于二值化和自适应尺度融合检测的阿拉伯手写文档 OCR 解决方案
计算机视觉与模式识别
2024-12-03 v1
摘要
将图像中的文本转换为纯文本的问题在学术界和工业界都广受关注。阿拉伯手写文字识别（AHTR）由于手写体样式多样且标注数据有限，面临额外挑战。本文提出了完整的 OCR 流水线，从使用可微分二值化和自适应尺度融合技术进行行分割，以确保准确检测文本行。分割后，应用 CNN-BiLSTM-CTC 架构进行字符识别。我们的系统在阿拉伯多字体数据集（AMFDS）上训练，获得了在包含 7至10 个字符的单字样本上的字符识别率（CRR）为 99.20%，词识别率（WRR）为 93.75%，以及在句子上的 CRR 为 83.76%。这些结果表明该系统在处理阿拉伯文字方面表现突出，为 AHTR 系统树立了新的基准。
引用
@article{arxiv.2412.01601,
title = {Arabic Handwritten Document OCR Solution with Binarization and Adaptive Scale Fusion Detection},
author = {Alhossien Waly and Bassant Tarek and Ali Feteha and Rewan Yehia and Gasser Amr and Ahmed Fares},
journal= {arXiv preprint arXiv:2412.01601},
year = {2024}
}