尼泊尔语和孟加拉语的光学文本识别：一种基于Transformer的方法
计算与语言
2024-04-04 v1
摘要
针对低资源语言的光学字符识别（OCR）系统的研发工作相对较新。低资源语言可用于训练机器翻译系统或其他系统的训练数据很少。尽管大量文本已被数字化并在互联网上提供，但这些文本仍以PDF和图像格式存在，无法直接访问。本文讨论了两种文字——孟加拉语和尼泊尔语的文本识别；孟加拉语和尼泊尔语的使用者分别约有3亿和4000万。在本研究中，使用编码器-解码器Transformer开发了一个模型，并通过一组光学文本图像（包括手写和印刷）评估了其有效性。结果表明，所提出的技术与当前方法相符，并在识别孟加拉语和尼泊尔语文本方面达到了高精度。这项研究可为东南亚语言学的高级和可访问研究铺平道路。
引用
@article{arxiv.2404.02375,
title = {Optical Text Recognition in Nepali and Bengali: A Transformer-based Approach},
author = {S M Rakib Hasan and Aakar Dhakal and Md Humaion Kabir Mehedi and Annajiat Alim Rasel},
journal= {arXiv preprint arXiv:2404.02375},
year = {2024}
}
备注
Accepted and Presented at ICAECC 2023, Bengaluru, India