Calamari——基于Tensorflow的高性能光学字符识别深度学习软件包
计算机视觉与模式识别
2021-01-15 v3
摘要
对当代与历史数据的光学字符识别（OCR）仍是许多研究者的关注焦点。尤其是历史印刷品需要针对具体书籍训练的OCR模型才能达到可用结果（Springmann and Lüdeling, 2016, Reul et al., 2017a）。为减少人工标注真值（GT）的工作量，投票与预训练等技术已被证明非常高效（Reul et al., 2018a, Reul et al., 2018b）。Calamari是一款新的开源OCR行识别软件，其既使用基于Tensorflow实现的最先进深度神经网络（DNNs），又原生支持预训练与投票等技术。由卷积神经网络（CNNS）与长短期记忆（LSTM）层构成的 customizable 网络架构通过Graves等人（2006）提出的所谓连接时序分类（CTC）算法进行训练。可选使用GPU极大地减少了训练与预测的计算时间。我们使用两个不同数据集将Calamari与OCRopy、OCRopus3及Tesseract 4的性能进行比较。Calamari在现代英语书写的UW3数据集上达到0.11%的字符错误率（CER），在德文Fraktur书写的DTA19数据集上达到0.18%，显著优于现有软件的结果。
引用
@article{arxiv.1807.02004,
title = {Calamari - A High-Performance Tensorflow-based Deep Learning Package for Optical Character Recognition},
author = {Christoph Wick and Christian Reul and Frank Puppe},
journal= {arXiv preprint arXiv:1807.02004},
year = {2021}
}
备注
11 pages, 3 figures