OCR end2end数据集、统计脚本总结供下载

最新推荐文章于 2022-02-24 16:56:39 发布
最新推荐文章于 2022-02-24 16:56:39 发布
阅读量368 收藏
点赞数
分类专栏： Algorithm
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dongfang1984/article/details/105689132
版权

本文整理OCR 论文中，end2end算法的常用对比测试集，以及详细说明，统计脚本；各个数据集的特点等。

E2E-MLT

本文更新到8月

_小马奔腾
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
最全中文汉字数据库OCR
05-27
最全中文汉字数据库OCR，包含20000+汉字，可以用于制作中文输入法，OCR训练数据集等，欢迎下载。
OCR知识框架构建（文本检测、文本识别、End2End）（更新中）
qq_28057379的博客
01-06 1512
1、CRNN+CTC 2、CRNN+Attention 3、CRNN+ADE 解码方式不同而已
【OCR】中文街景数据集、场景文本定位&识别新网络：End2End-PSL
Maisie_Nan的博客
09-20 1263
#ICCV2019#百度&香港大学提出新的中文街景数据集：C-SVT和场景文本定位&识别新网络：End2End-PSL，表现SOTA！ #场景文本识别#中国街景文本：大规模中文文本阅读与部分监督学习 《ChineseStreetViewText:Large-scaleChineseTextReadingwithPartiallySupervised...
【ocr 文字检测】DocSegTr: An Instance-Level End-to-End Document Image Segmentation Transformer
猫猫与橙子的博客
02-24 1314
要理解复杂布局的文档首先就需要进行信息提取。本文目的就是通过实例级别分割获得不同的文章目标（different document objects），如：标题，章节，图片，表格等；文中提出一个 Document Image Segmentation Transformer（DocSegTr），用于复杂布局元素的实例级分割；
《E2E-MLT - an Unconstrained End-to-End Method for Multi-Language Scene Text》论文笔记
Glooow的博客
05-08 559
题目：E2E-MLT - an Unconstrained End-to-End method for Multi-Language Scene Text arxiv：https://arxiv.org/abs/1801.09919 GitHub：https://github.com/MichalBusta/E2E-MLT 摘要 作者首次提出了针对多种语言的检测和识别的端到端OCR网络。 1....
ICDAR2015 ocr 场景文本识别lmdb格式数据集
03-13
Imdb格式的ICDAR2015数据集 相关的制作、使用代码可见博客 https://blog.csdn.net/zhaominyiz/article/details/104834770
ICDAR2003ocr识别数据集
最新发布
01-05
ICDAR2003 ocr识别数据集
OCR蒙古文自然场景图片数据集
02-24
OCR蒙古文自然场景图片数据集，包含982张训练集和200张测试集，以及相对应的标签txt。
SVT ocr 场景文本识别 lmdb格式数据集
03-13
Imdb格式的SVT数据集 相关的制作、使用代码可见博客 https://blog.csdn.net/zhaominyiz/article/details/104834770
IIIT5K OCR 场景文本识别 lmdb格式数据集
03-13
Imdb格式的IIIT5k数据集 相关的制作、使用代码可见博客 https://blog.csdn.net/zhaominyiz/article/details/104834770
An Unconstrained Optimization Test Functions Collection Matlab代码
07-31
这是论文An Unconstrained Optimization Test Functions Collection里的测试函数，用Matlab写好了。
SVT数据集（已标注）
11-10
街景数据集，原始数据为mat，现已转化为图像，并将label标注出来了
E2E-MLT - an Unconstrained End-to-End Method for Multi-Language Scene Text(论文解读)
Enjoy_endless
02-27 1846
端到端–多语言场景文字检测识别(E2E-MLT) MichalBušta¹，YashPatel²，JiriMatas¹¹ 捷克技术大学，捷克布拉格²机器人研究所，卡内基梅隆大学 摘要： 提出了一种用于多语言场景文本定位和识别的端到端可训练（完全可微）方法。 该方法基于单个完全卷积网络（FCN），具有用于所有任务的共享层。 E2E-MLT是首次发布的用于场景文本的多语言OCR。虽然在多语言设置方面受...
ECCV 2016《SSD: Single Shot MultiBox Detector》论文笔记
lch的博客
07-10 654
本学弱喜欢在本子上记笔记，但字迹又丑。望看不懂我的字的大佬不要喷我，看得懂的大佬批评指正。
从机器学习算法的发展 理解 端到端（end to end）学习
weixin_37136725的博客
11-09 5486
经典机器学习方式是以人类的先验知识将raw数据预处理成feature，然后对feature进行分类。分类结果十分取决于feature的好坏。所以过去的机器学习专家将大部分时间花费在设计feature上。那时的机器学习有个更合适的名字叫feature engineering 。 后来人们发现，利用神经网络，让网络自己学习如何抓取feature效果更佳。于是兴起了representation lear
OCR之端到端任意形状的场景文字识别 ICCV2019 End-to-End Text Spotting
期待黎明的博客
04-10 2822
OCR之端到端任意形状的场景文字识别 ICCV2019 End-to-End Text Spotting 端到端文本识别（End-to-End Text Spotting）是将文本阅读问题看成一个整体来解决，其基本思想是设计一个同时具有检测单元和识别单元的模型，共享其中两者的CNN特征，并联合训练。在推断阶段，此端到端模型可以在一个前向传播中预测场景图像中的文本位置和内容信息。 这篇文章是谷歌...
OCR技术浅探：特征提取(1)
weixin_30252155的博客
02-06 952
研究背景 关于光学字符识别(Optical Character Recognition, 下面都简称OCR)，是指将图像上的文字转化为计算机可编辑的文字内容，众多的研究人员对相关的技术研究已久，也有不少成熟的OCR技术和产品产生，比如汉王OCR、ABBYY FineReader、Tesseract OCR等.值得一提的是，ABBYY FineReader不仅正确率高(包括对中文的识别)，而且还...
ocr常用数据集介绍
weixin_39780859的博客
01-24 3091
Chinese Text in the Wild (CTW data) 32,285 张图像和 1,018,402 个中文字符，来源于腾讯街景。图像大小2048*2048，数据集大小为31GB。 ICPR WTMI2018中文数据集（天池比赛数据集） 20000张图像。中英文混合。背景复杂。文件大小为2GB。 ICDAR数据集 ICDAR 2017 RCTW，主要是中文，共12263张图像。数据集绝大多数是相机拍的自然场景，一些是屏幕截图；包含了大多数场景，如室外街道、室内场景、手机截图等等 Reading
OCR 检测数据集详解
Every moment of My life !!!
02-24 1244
前言 所有数据集目录组织形式如下所示(以ICDAR2015为例) cd icdar2015 目录组织形式 |-- results | |-- result_0.jpg |-- train | |-- gt | | |-- CIMG0005_convert.txt | `-- img | |-- CIMG0005_convert.jpg `-- train.txt ...
keras-ocr 自带 模型 和数据集 下载
10-09
Keras-OCR 是一个基于 Keras 框架构建的开源光学字符识别库，可以帮助我们进行图像中的文本检测和识别。Keras-OCR 自带了一些预训练模型和数据集，方便我们进行文本识别任务。 要下载 Keras-OCR 自带的模型和数据集，可以按照以下步骤进行操作： 1. 首先，确保已经安装了 Keras-OCR 的依赖库。可以通过 pip 命令安装，在命令行中输入以下命令： ``` pip install keras-ocr ``` 2. 安装完成后，就可以使用 Keras-OCR 的预训练模型和数据集了。Keras-OCR 提供了一个名为 `keras_ocr.tools.downloader.download()` 的函数，用于下载预训练模型和数据集。在 Python 脚本中，引入 `keras_ocr.tools` 模块，并使用 `download()` 函数进行下载。示例如下： ``` from keras_ocr.tools import downloader downloader.download() ``` 3. 运行上述代码后，将会弹出一个命令行交互界面，展示可供下载的模型和数据集列表。可以根据需求选择需要下载的模型和数据集。输入数字来选择要下载的内容，然后按下回车键进行确认。 4. 下载过程会自动开始，并显示下载进度。下载完成后，Keras-OCR 自带的模型和数据集将存储在默认的文件夹中，可以在 Python 脚本中直接引用这些文件进行文本识别任务。 总结一下，通过安装 Keras-OCR 并使用 `keras_ocr.tools.downloader.download()` 函数，我们可以方便地下载并使用 Keras-OCR 自带的预训练模型和数据集，以进行光学字符识别。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值