Invizo：阿拉伯语手写文档光学字符识别解决方案
计算机视觉与模式识别
2025-02-11 v1
摘要
将阿拉伯语文本图像转换为纯文本是学术界和工业界广泛研究的课题。然而，由于阿拉伯文字书写变体的复杂性，阿拉伯语手写和印刷文本的识别面临着艰巨的挑战。本工作提出了一种端到端解决方案，用于识别阿拉伯语手写、印刷文本及阿拉伯数字，并以结构化方式呈现数据。我们在驱动该解决方案的文本检测任务上达到了 81.66% 的精确率、78.82% 的召回率和 79.07% 的 F 值。所提出的识别模型结合了最先进的基于 CNN 的特征提取和基于 Transformer 的序列建模，以适应手写风格、笔画粗细、对齐方式和噪声条件的变化。对该模型的评估表明，它在印刷和手写文本上均表现出色，在印刷文本上实现了 0.59% 的字符错误率（CER）和 1.72% 的词错误率（WER），在手写文本上实现了 7.91% 的 CER 和 31.41% 的 WER。整个提出的解决方案已被证明在实际的 OCR 任务中是可靠的。它配备了检测和识别模型以及其他特征提取与匹配辅助算法。凭借其通用目的的实现，使得该解决方案对任何给定的阿拉伯语手写或印刷文档或收据都有效。因此，它在任何给定场景下都是实用且有用的。
引用
@article{arxiv.2502.05277,
title = {Invizo: Arabic Handwritten Document Optical Character Recognition Solution},
author = {Alhossien Waly and Bassant Tarek and Ali Feteha and Rewan Yehia and Gasser Amr and Walid Gomaa and Ahmed Fares},
journal= {arXiv preprint arXiv:2502.05277},
year = {2025}
}