基于孟加拉语文档布局分析数据集BaDLAD的框架与模型分析
计算机视觉与模式识别
2023-10-02 v1 机器学习
摘要
本研究聚焦于使用先进计算机程序Detectron2、YOLOv8和SAM理解孟加拉语文档布局。我们在研究中考察了大量不同的孟加拉语文档。Detectron2非常擅长查找并分离文档的不同部分，如文本框与段落。YOLOv8擅长识别不同的表格与图片。我们也尝试了SAM，其有助于理解复杂布局。我们测试了这些程序以考察其工作效果。通过比较它们的精度与速度，我们了解到哪一个适用于不同类型的文档。我们的研究有助于理解孟加拉语文档中的复杂布局，也可用于其他语言。
引用
@article{arxiv.2309.16700,
title = {Framework and Model Analysis on Bengali Document Layout Analysis Dataset: BaDLAD},
author = {Kazi Reyazul Hasan and Mubasshira Musarrat and Sadif Ahmed and Shahriar Raj},
journal= {arXiv preprint arXiv:2309.16700},
year = {2023}
}
备注
5 pages, 6 figures, uses IEEEtran.cls