基于开源引擎的19世纪弗拉克图尔字体光学字符识别前沿
计算机视觉与模式识别
2018-10-09 v1
摘要
在本文中，我们评估了在不进行针对特定书籍训练的情况下，使用混合模型（即训练用于识别来自先前未见来源的多种字体和排版格式的模型）对19世纪弗拉克图尔（Fraktur）字体进行光学字符识别（OCR）。我们描述了训练出强混合OCR模型的过程，并将其与流行的开源引擎OCRopus和Tesseract的免费可用模型以及商业前沿系统ABBYY进行比较。为进行评估，我们使用了一组来自19世纪书籍、期刊和词典的多样化未见数据。实验表明，使用真实数据训练混合模型优于使用合成数据训练，并且新型OCR引擎Calamari大幅优于其他引擎，平均将ABBYY的字符错误率（CER）降低超过70%，使得平均CER低于1%。
引用
@article{arxiv.1810.03436,
title = {State of the Art Optical Character Recognition of 19th Century Fraktur Scripts using Open Source Engines},
author = {Christian Reul and Uwe Springmann and Christoph Wick and Frank Puppe},
journal= {arXiv preprint arXiv:1810.03436},
year = {2018}
}
备注
Submitted to DHd 2019 (https://dhd2019.org/) which demands a... creative... submission format. Consequently, some captions might look weird and some links aren't clickable. Extended version with more technical details and some fixes to follow