孟加拉语文档布局分析——一种基于 YOLOv8 的集成方法
计算机视觉与模式识别
2025-10-01 v5 机器学习
摘要
本文关注利用 YOLOv8 模型与创新后处理技术来增强孟加拉语文档布局分析（DLA）。我们通过采用数据增强以提升模型鲁棒性，应对复杂的孟加拉语文字所特有的挑战。在经过细致验证集评估后，我们在完整数据集上微调方法，形成两阶段预测策略以实现准确元素分割。我们的集成模型结合后处理，优于单个基础架构，解决了 BaDLAD 数据集中发现的问题。通过利用该方法，我们旨在推进孟加拉语文档分析，促进 OCR 与文档理解的改进，且 BaDLAD 作为此项工作的基础资源，助力该领域未来研究。此外，我们的实验为将新策略纳入既定方案提供了关键见解。
引用
@article{arxiv.2309.00848,
title = {Bengali Document Layout Analysis -- A YOLOV8 Based Ensembling Approach},
author = {Nazmus Sakib Ahmed and Saad Sakib Noor and Ashraful Islam Shanto Sikder and Abhijit Paul},
journal= {arXiv preprint arXiv:2309.00848},
year = {2025}
}