深度学习文档矫正综述

于 2024-12-27 16:16:59 发布
阅读量591 收藏 12
点赞数 6
分类专栏： 文档矫正 文章标签： 人工智能
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/mddCSDN/article/details/144771953
版权

https://github.com/fh2019ustc/Awesome-Document-Image-Rectification

DocRes

DocRes: A Generalist Model Toward Unifying Document Image Restoration Tasks

https://github.com/zzzhang-jx/docres

GCDRNet

Appearance Enhancement for Camera-captured Document Images in the Wild*

有源码和模型

https://github.com/fh2019ustc/Awesome-Document-Image-Rectification?tab=readme-ov-file

Document_Image_Dewarping

Foreground and Text-lines Aware Document Image Rectification

有源码和模型

https://github.com/xiaomore/document-image-dewarping

Template-guided Illumination Correction for Document Images with Imperfect Geometric Reconstruction

https://github.com/FelixHertlein/illtrtemplate-model

Template-guided Illumination Correction for Document Images with Imperfect Geometric Reconstruction

DocAligner

DocAligner: Automating the Annotation of Photographed Documents Through Real-virtual Alignment

https://github.com/ZZZHANG-jx/DocAligner

DocTr

https://github.com/fh2019ustc/DocTr

docUNet数据集

https://paperswithcode.com/dataset/docunet

深度学习系列资料总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
07-17 2万+
说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程，主要以计算机视觉资料为主，包括图像识别、分类、检测、分割等，内容参考Github及网络资源，仅供个人学习。深度学习定义一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。手写机器学习笔记github机器学习算法公式推导以及numpy实现github人工智能相关术语link。..................
OCR文字识别方法综述
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
07-05 1万+
摘 要：文字识别可以把海量非结构化数据转换为结构化数据，从而支撑各种创新的人工智能应用，是计算机视觉研究领域的分支之一，其任务是识别出图像中的文字内容，一般输入来自于文本检测得到的文本框截取出的图像文字区域。近几年来，基于深度学习的文字识别算法模型已取得不错成果，其过程无需进行特征处理且可以实现复杂场景文字识别，效果要优于传统文字识别方法，逐渐成为文字识别研究应用的主流方式。本文将主要介绍基于深度学习的文字识别技术综述，分类总结主流文字识别经典算法，讨论未来文字识别领域发展与研究趋势。关键词：OCR...
文档图像恢复
最新发布
qq_34717531的博客
09-22 1081
在内的五个文档图像恢复任务。通过这些技术实现，DocRes 等先进的模型不仅能够独立处理各种图像恢复任务，还能通过多任务学习进一步优化处理效果，展示了在广泛的文档图像恢复任务中的潜力和应用广度。5）结果：实验结果表明，DocRes相比现有最先进的任务特定模型表现出竞争力或更优的性能，展示了DocRes在更广泛的文档图像恢复任务领域的潜力。3）背景：文档图像的质量显著影响整体性能，现有方法独立处理不同的恢复任务，导致系统复杂且无法利用多任务学习的潜力。2）应用：文档人工智能系统。1）方向：文档图像恢复。
文件校正工具（通过对比校正）
07-22
使用源文件修复目标文件（按照byte位进行修复）。并记录日志
探索GitHub Typo Corpus：智能文本纠正的利器
gitblog_00087的博客
04-17 490
探索GitHub Typo Corpus：智能文本纠正的利器 去发现同类优质开源项目:https://gitcode.com/ 是一个开源项目，由开发者Masayuki Hagiwara 创建。这个项目收集并整理了大量的GitHub上的代码注释和README文件中的拼写错误，为自然语言处理（NLP）和机器学习研究者提供了一个宝贵的训练数据集。 技术解析 GitHub Typo Corpus的构建基...
推荐文章：探索文档图像修复的全能冠军 - DocRes
gitblog_00625的博客
09-11 513
推荐文章：探索文档图像修复的全能冠军 - DocRes DocRes [CVPR 2024] DocRes: A Generalist Model Toward Unifying Document Image Restoration Tasks ...
DocRes 项目安装与使用教程
gitblog_00487的博客
09-13 780
DocRes 项目安装与使用教程 DocRes [CVPR 2024] DocRes: A Generalist Model Toward Unifying Document Image Restoration Tasks 项目地...
图像处理：文档图像矫正DocReal
WiSirius的博客
03-08 2090
文档图像矫正在图像处理领域属于相对冷门但是很有用的一个任务，这个任务的相关文章还是比较少的，DocReal是2024 WACV的最新文档矫正文章，结合了之前一些技术的亮点，还是值得一看的。DocReal目前code暂未开源这篇文章建议看两个文章作为背景会更容易理解：图像处理：文档图像矫正DDCP文档图像矫正是计算机视觉中的一项重要任务，具有许多实际应用。控制点法（如DDCP）由于其简单高效而备受关注。然而，由于背景噪声和多种变形类型，不准确的控制点预测可能导致不令人满意的性能。
Prompt-Tuning——深度解读一种新的微调范式
夏栀的博客
11-19 7万+
Prompting——深度解读一种全新的微调范式   自从GPT、EMLO、BERT的相继提出，以Pre-training + Fine-tuning 的模式在诸多自然语言处理（NLP）任务中被广泛使用，其先在Pre-training阶段通过一个模型在大规模无监督语料上预先训练一个预训练语言模型（Pre-trained Language Model，PrLM），然后在Fine-tuning阶段基于训练好的语言模型在具体的下游任务上再次进行微调（Fine-tuning），以获得适应下游任务的模型。这种模式在诸
OCR入门教程系列（一）：OCR基础导论
热门推荐
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-01 9万+
📝导读：本系列主要介绍计算机视觉领域OCR文字识别领域技术发展方向，面向深度学习同学，内容总计五章，每章将从OCR技术发展、概念、方法等各种角度展开详细介绍。第一篇介绍OCR概念及发展以及相关数据集，其次列出几种常见的OCR文本检测与文本识别技术，文章最后分享几种开源的OCR平台，后续系列文章将继续介绍OCR相关技术及实战演练。
核磁共振重建算法综述
qq_36421001的博客
09-12 1万+
自己整理的一些核磁共振重建综述文章，仅供参考，不发表~ 提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录摘要一、引言二、核磁共振成像原理2.1.核磁共振成像过程2.2.K空间2.3.核磁共振数据采集过程三 核磁共振重建方法3.1.部分傅里叶重建方法3.2.并行重建方法3.2.1 常用的并行重建方法3.2.2 同时多层重建方法3.2.3 三维并行成像3.3.压缩感知重建方法3.3.1 压缩感知原理3.3.2 压缩感知重建过程3.4.基于深度学习的MRI重建方法3.4.1 基于数据驱
图像处理：文档图像矫正DDCP
WiSirius的博客
01-23 2254
文档图像矫正简单来说就是由于纸张的物理变形、拍摄环境和相机位置，相机捕获的文档图像经常会出现扭曲和背景问题。上述因素将显着增加信息提取和内容分析的难度。为了减少文档图像处理中失真的影响而采取的措施。本文要介绍的方法为。github:以往的研究将几何校正任务视为密集网格预测问题，将二维图像作为输入，输出一个正向映射(每个网格表示出扭曲输出图像中像素点的坐标，像素点对应出扭曲输入图像中的像素点)或反向映射(每个网格表示出扭曲输入图像中像素点的坐标)。
TMM 2023｜一种新型的通用文档图像校正模型
我爱计算机视觉
01-19 1067
关注公众号，发现CV技术之美本文介绍TMM 2023录用论文“Deep Unrestricted Document Image Rectification”的主要工作。这篇文章提出了一种新型的通用文档图像校正算法，即DocTr++。DocTr++解决了现有文档图像校正算法的短板，可以有效地对日常生活中拍摄的文档边界任意分布的图像进行几何校正。一、研究背景近年来，随着文档数字化的需求日益增加，文档图...
文档矫正（计算机视觉实验）
JH Lan的博客
06-12 7652
文章目录前言实验任务与要求1 实验情况概述2 实验过程2.1步骤1：拟合直线2.2 步骤2：清除杂乱直线2.3 步骤3：合并直线2.4 步骤4：清除外线2.5 步骤5：删除内线2.6 步骤6：找到图像中文档的4个顶点坐标和文档实际顶点坐标2.6.1 计算出文档的4个顶点2.6.2 将4个顶点正确排列2.7透视矫正3 实验总结3.1 实验效果3.2 实验不足思考 更新日期：2021/6/9 前言 ************************** 模板匹配是将模板图像与目标图像中每一处做比较，得出一个.
图像矫正——文档图像
weixin_46099606的博客
09-05 2163
端到端的文本图像分块矫正方法2021该论文提出将一张文档图像切分成多个Patches来进行局部矫正，这种方式相比于直接在整图上进行全局矫正能够获得更好的效果。而对比之前同样基于Patch进行局部矫正的方法[1]，本文实现了Patches拼接过程的端到端可训练化，同时为拼接过程加入了全局信息，可以得到更好的拼接效果。本文方法在多个指标上好于目前的SOTAs。 DocTr2021：同时进行文档图像几何矫正和光照恢复的框架。 PaperEdge的新方法，通过结合真实世界和合成数据来提升文档去扭曲的性能。Pape
2024年最新深度学习在文档矫正中的应用_弯曲文档校正(1)，最新阿里C C++高级面试题及答案
2401_84973548的博客
05-14 425
在我们日常生活中，扫描文档通常无法完整把整个文档拍下来，或者拍出一个规范的矩形，会遇到各种各样的问题，导致扫描的图像有一定形变。这里以小王为例，首先会找到扑克（文档）的四个角的坐标，这里会使用到各种图像处理的办法，图像梯度、边缘检测等算法。我们可以根据左图红框的四点坐标和右图红框的四点坐标得到一个变换矩阵，然后对原图进行仿射变换，得到矫正后的图像。我们可以让原图和偏移场做类似仿射变换的操作，即对原图每个像素进行对应的偏移，然后就可以得到矫正后的图像。这里的文本是多语言、多角度的，识别起来非常困难。
强烈推荐：DocScanner —— 文档图像矫正领域的一颗新星
gitblog_00091的博客
06-17 1012
???? 强烈推荐：DocScanner —— 文档图像矫正领域的一颗新星 去发现同类优质开源项目:https://gitcode.com/ 在数字化时代，文档图像的处理与优化已经成为数据科学中的重要一环。DocScanner正是为此而生——一个基于深度学习的文档图像矫正工具，它的出现让扭曲、变形甚至光照不均的文档图片重获新生。让我们深入了解一下这个项目，探索其背后的技术革新以及它如何改变我们的工作方式...
用于文档图像校正的几何表示学习
weixin_65237511的博客
08-20 663
在文档图像矫正问题中，真实图像与失真图像存在着丰富的几何约束条件。然而，在现存的先进的解决方法中，这些几何约束大多数被忽略了，这大大限制了矫正的性能。为此，我们提出了DocGeoNet进行文档图像矫正，通过引入显式的几何表征。从技术上讲，所提出的几何表征学习中涉及文档图像的两个典型的属性，即3D形状和文本行。我们的动机来自于一种见解：3D形状为矫正一张扭曲的文档图像提供了全局unwarping线索，然而忽略了局部结构；另一方面，文本行互补地为局部图案提供了显示几何约束。
自然语言处理中的文本矫正：技术与实践
AI天才研究院
01-07 885
1.背景介绍 自然语言处理(NLP)是人工智能的一个重要分支，其中文本矫正是一个常见的任务。文本矫正的目标是修复错误的文本，使其更加准确和可读性强。这篇文章将详细介绍文本矫正的核心概念、算法原理、实现方法和应用场景。 1.1 文本矫正的重要性 在现实生活中，我们经常遇到带有错误的文本，例如社交媒体上的朋友圈、短信、电子邮件等。这些错误可能是由于输入错误、语音识别系统的不准确性或者粗心糙口等原...
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