基于深度学习的无词典高效 OCR
计算机视觉与模式识别
2019-06-06 v1 机器学习
摘要
与普遍看法相反，当文本出现在非受限环境（如自然场景）中时，由于几何畸变、复杂背景与多样字体，光学字符识别（OCR）仍是一项具有挑战性的问题。在本文中，我们提出一种无分割的 OCR 系统，其结合了深度学习方法、合成训练数据生成与数据增强技术。我们使用大型文本语料库与超过 2000 种字体渲染合成训练数据。为模拟复杂自然场景中的文本，我们用几何畸变与一种所提出的数据增强技术——与背景纹理的 alpha 合成（alpha-compositing）来增强提取的样本。我们的模型采用卷积神经网络编码器从文本图像中提取特征。受神经机器翻译与语言建模近期进展的启发，我们考察了循环与卷积神经网络在建模输入元素间交互上的能力。
引用
@article{arxiv.1906.01969,
title = {Efficient, Lexicon-Free OCR using Deep Learning},
author = {Marcin Namysl and Iuliu Konya},
journal= {arXiv preprint arXiv:1906.01969},
year = {2019}
}
备注
Accepted for presentation in the 15th International Conference on Document Analysis and Recognition (ICDAR 2019)