qq_25678319的博客

paddleOCR DBnet bug以及解析

sdmgr论文关键字Key information extractionDocument imagesGraph reasoningDual modality相关论文方法关键信息提取建模为命名实体识别问题。通过将文本连接为字符串，这些字符串被分类为预定义的类别，如订单ID、发票号码等。一种鲁棒的关键信息提取方法应该针对图像视图鲁棒，并利用空间邻域内的所有上下文，而不仅仅是同一条水平线。Cloudscan-a configuration-free invoice analysis

参考链接：https://zhuanlan.zhihu.com/p/145312833

检测方法：基于回归的方法（文本框）：基于分割（基于像素点的分类）的方法（DBNet）：分割：

ANSI 编码格式与 UTF-8 不兼容，格式转换后任会出现空格行检测和去除不掉问题。解决方案（定位，手动清除）：with open(r"D:\pythonProject\xxxxx-pytorch-master\data\char_dict.txt", 'rb') as file: #读取文件，检测实际非空行数 #char_dict = {char.strip().decode('gbk','ignore'):num for num, char in enume

1. 文字定位定位⽂字在图像中的位置并表征成⾏（1）特征问题 ：背景等特征⼲干扰问题 深度学习可以较好的解决特征问题（2）scale问题 ： 物体定位的共性问题（3）成⾏行行问题 ：⽂文字定位特有问题2. 文字识别3.通用结构化4.系统效率...

2020-12-12/星期六《CharacterRegionAwarenessforTextDetection》发表于CVPR（2019）。论文利用分割的思想，对单字符实例和字符间的连接关系进行检测，通过连接字符实例实现不规则(变形、弯曲)文本检测。链接：https://ieeexplore.ieee.org/document/89538462020-12-16/星期三《DeepRelationalReasoningGraphNetworkforArbitrary...

视觉会议：icpr2020：Challenge: 1EndoTect: A Competition on Automatic Disease Detection in the Gastrointestinal TractChallenge: 2The 2nd Grand Challenge of 106-Point Facial Landmark LocalizationChallenge: 3AcTiVComp20Competition on Superimposed Text De..

2020-12-14调研数据集：icdar—— ic2015,2017,2019 CTW—— 1500https://zhuanlan.zhihu.com/p/60459597

直方图cv2.calcHist(images,channels,mask,histSize,ranges)images：原图像格式为uint8或float32，当传入函数时应用括号 [] 同一样括住表示，例如[img] channels：同样用[]括，它会告诉函数，我们统幅图像的直方图。如果传入图像是灰度图，它的值就是 [0] 如果是彩色图像的传入参数可以是 [0] [1] [2] 它们分别对应着R G B mask：掩膜图像。统整幅图像的直方图就把它为None。但是如果你想统图像某..

卷积（每次卷积完之后+Relu（非线性））卷积核的深度和输入图像深度一致，有多少个卷积核，就得到多少张特征图，也就是得到的特征图的深度。1个卷积核的卷积过程：stride越小得到的特征越丰富/多，但是考虑效率的问题，stride一般不会设置为1，stride太大会损失很多信心。padding能更好得利用边缘信息，特征图大小计算：权重共享，一个特征图，参数数量=filter大小+b，多个特征图=n*（filter+b）大小池化Pooling layer（对特征图压缩）（下

检测流程：边缘检测 -> 获得轮廓 -> 透视变换(即放平，包括平移旋转反转等) -> OCR识别一、边缘检测if __name__ == "__main__": # 读取输入 image = cv2.imread(args["image"]) # resize 坐标也会相同变化 ratio = image.shape[0] / 500.0 orig = image.copy() image = resize(orig, height = 500) # 同比

信用卡数字识别-流程预览一、基础配置# 导入工具包from imutils import contoursimport numpy as npimport argparseimport cv2import myutils# 设置参数ap = argparse.ArgumentParser()ap.add_argument("-i","--image",default='./images/credit_card_01.png',help="path to input image

环境配置Anaconda：https://www.anaconda.com/download/ Python：https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv 快速安装opencv： pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv

自然语言处理中的序列标注问题在目前, 比较主流的技术是语言模型(如LSTM, BERT)+CRF(条件随机场)。想要了解CRF(条件随机场), 首先了解一下隐马尔可夫模型(Hidden Markov Model), 是一种概率图模型（CRF也是）, 只要理解了HMM模型和维特比解码算法(viterbi algorothm), 理解条件随机场就成了分分钟的事.1.NER(命名实体识别)问题概述;命名实体识别（英语：Named Entity Recognition，简称NER）, 是指识别文本中具有特定

第一步：获取语料语料，即语言材料。语料是语言学研究的内容。语料是构成语料库的基本单元。所以，人们简单地用文本作为替代，并把文本中的上下文关系作为现实世界中语言的上下文关系的替代品。我们把一个文本集合称为语料库（Corpus），当有几个这样的文本集合的时候，我们称之为语料库集合(Corpora)。（定义来源：百度百科）按语料来源，我们将语料分为以下两种：1.已有语料很多业务部门、公司等组织随着业务发展都会积累有大量的纸质或者电子文本资料。那么，对于这些资料，在允许的条件下我们稍加整合，把纸质的文本

1.单例模式2.抽象工厂方法3.简单工厂方法4.观察者模式

->1.文件->新建虚拟机向导->自定义2.下一步3.安装程序光盘映像文件（选择已经下载好的Ubuntu文件地址）操作系统镜像4.选择存放 位置和命名5.下一步6.7.内存推荐4G8.下一步9.下一步10.下一步11.下一步12.逻辑上划分200个g，实际用多少分多少。注意：立即分配所有磁盘空间不要选。13.下一步14.取消创建后开启此虚拟机。完成15.完成界面。点击...

类似错误：W: Failed to fetch http://ppa.launchpad.net/venerix/pkg/ubuntu/dists/raring/main/binary-i386/Packages 404 Not FoundE: Some index files failed to download. They have been ignored, or old one...

https://blog.csdn.net/qq_32799915/article/details/790816591.先下载安装anaconda：https://www.anaconda.com/download/选择适合自己Python版本的。2.进入anaconda prompt创建环境conda create --name=labelImg python=3....