自监督OCR识别-金教授讲座分享

最新推荐文章于 2023-07-18 23:44:21 发布
最新推荐文章于 2023-07-18 23:44:21 发布
阅读量234 收藏 3
点赞数 3
分类专栏： OCR 文章标签： ocr 自监督
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/uncle_ll/article/details/129189296
版权
文章探讨了OCR识别在弱监督场景下的困难，指出其准确率大约在80%，并介绍了自监督文字识别作为解决方案的应用。同时，文章也关注了人工智能生成内容(AIGC)的发展，对未来的技术进步和潜在应用进行了展望。
摘要由CSDN通过智能技术生成

在这里插入图片描述

OCR识别

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

风格和内容监督
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

AIGC 人工智能生成内容

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

弱监督场景文字识别

比较难做，准确率大概在80%
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

自监督文字识别

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

应用

在这里插入图片描述

结论及展望

在这里插入图片描述

uncle_ll
关注
专栏目录
ACM MM 2022 Oral | DIG: 自监督文字识别的新框架，刷新11个公开场景文字数据集的识别性能，平均提升5%...
我爱计算机视觉
07-22 974
关注公众号，发现CV技术之美本文介绍了一种由华科与华为联合提出的全新自监督文字识别框架 DiG。该模型统一了对比式与生成式自监督方法，并在下游的文字识别任务中，刷新了11个公开场景文字数据集的识别性能，平均提升5%。论文『Reading and Writing: Discriminative and Generative Modeling for Self-Supervi...
ocr-表格识别-pip安装包-table识别-表格提取-版面还原
05-08
ocr-表格识别-pip安装包-table识别-表格提取-版面还原 该部分主要是做文档类图像的表格结构还原。模型来源：PaddleOCR 表格识别 具体来说，就是分析给定的表格图像，将表格还原为对应的html格式。 目前支持两种...
CVPR23/ICCV23自监督文本识别
qq_43038592的博客
07-18 1312
文本识别 自监督学习 ICCV2023 ICCV23 CVPR23 CVPR2023
机器学习之自我监督学习指南
Meta.Qing的博客
09-14 1332
​ 什么是自监督学习，它是如何工作的以及它在 Vision Ai 中的应用是什么？了解正在进行的研究并获得训练自我监督模型的实践经验。 在过去十年中，人工智能领域在机器学习系统方面取得了重大发展，可以使用监督学习的范式解决广泛的计算机视觉问题。 然而，监督学习需要大量仔细标记的数据，并且数据标记过程往往漫长、昂贵且容易出错。 ​
CVPR 2021 | 自监督学习新思路！S2-BNN：基于蒸馏的自监督学习算法
阿木寺的博客
08-02 893
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达（CVPR 2021）自监督学习新思路！基于蒸馏（distillation loss）的自监督学习算法今天给大家介绍一篇...
一个迅速崛起的国产开源OCR项目
阿木寺的博客
05-11 598
导 读OCR方向的工程师，之前一定听说过PaddleOCR这个项目，累计Star数量已超过20000+，频频登上GitHubTrending和Paperswithcode日榜月榜第一，在Medium与Papers with Code 联合评选的《Top Trending Libraries of 2021》，从百万量级项目中脱颖而出，荣登Top10！在《2021中国开...
20000+Star超轻量OCR系统PP-OCRv3效果再提升5% - 11%！
PaddlePaddle
05-09 905
OCR方向的工程师，之前一定听说过PaddleOCR这个项目。项目累计Star数量已超过20000+；频频登上GitHub Trending和Paperswithcode 日榜月榜第一；在Medium与Papers withCode 联合评选的《Top Trending Libraries of 2021》，从百万量级项目中脱颖而出，荣登Top10！在《2021中国开源年...
中文OCR识别-使用Tensorflow+Keras基于CTPN+DenseNet+CTC算法实现的端到端中文OCR识别
05-14
中文OCR识别_使用Tensorflow+Keras基于CTPN+DenseNet+CTC算法实现的端到端中文OCR识别_附数据集+权重+流程教程+项目源码_优质项目实战
绝区零 - ZenlessZoneZero - 零号空洞 - 自动化 - 图片分类 - OCR识别 - zzz - 图像分类
最新发布
07-27
绝区零 | ZenlessZoneZero | 零号空洞 | 自动化 | 图片分类 | OCR识别 | zzz | 图像分类
人工智能-项目实践-图像识别-身份证识别OCR, 从身份证图片中自动提取身份证号或者其他字段
07-03
身份证识别OCR, 从身份证图片中自动提取身份证号或者其他字段。 测试图片来自百度搜索的样例图片。 找到的图片比较少，目前都能正确识别。 可用的数据集个人很难找到。 Update for Windows 百度开源了PaddleOcr，...
Java 百度ocr文字识别-发票识别，并在页面显示信息
05-13
Java 百度OCR文字识别技术在发票识别中的应用是一个典型的计算机视觉与自然语言处理结合的实例，它将图像处理、模式识别与机器学习等技术融合，以实现对图像中的文字内容进行准确提取和理解。本项目主要涉及以下几个...
LeCun点赞！data2vec：适用于图像/语音/文本的自监督算法来了！拿下多项SOTA
阿木寺的博客
01-22 883
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达转载自：机器之心 | 编辑：陈萍、小舟人类似乎对不同的学习模式有着相似的认知，机器也应该如此！自监督学习能在各种任务中...
大盘点 | 何恺明团队在自监督领域的工作：MoCo三部曲
阿木寺的博客
04-27 1780
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达本文转载自：Smarter趁着最近FAIR出了MoCov3，刚好凑够MoCo三部曲，从头捋一遍MoCo整个系列做了什么事...
CMU最新视觉特征自监督学习模型——TextTopicNet
CUBE的博客
07-30 1196
CMU最新视觉特征自监督学习模型——TextTopicNet 原创： 专注技术分享的 人工智能头条 今天 作者 | Yash Patel，Lluis Gomez，Raul Gomez，Marcal Rusinol，Dimosthenis Karatzas， C.V. Jawahar 译者 | 林椿眄 编辑 | Jane 出品 | 人工智能头条 ▌摘要 深度学习方法在计算机视觉领域...
自监督学习（十三）Split-Brain Autoencoders: Unsupervised Learning by Cross-Channel Prediction
weixin_47444348的博客
05-23 2024
Split-Brain Autoencoders: Unsupervised Learning by Cross-Channel PredictionIntroductionMethodCross Channel EncodersSplit-Brain Autoencoders as Aggregated Cross Channel EncodersExperimentsImageNet ClassificationPlace ClassificationPascal VOC 07Conclusion In
手写中文数据集
热门推荐
uncle_ll的博客
03-03 1万+
手写OCR数据集 这里整理了常用手写数据集，持续更新中，欢迎各位小伙伴贡献数据集～ 中科院自动化研究所-手写中文数据集 华南理工大学-手写中文数据集 NIST手写单字数据集-英文 中科院自动化研究所-手写中文数据集 数据来源：http://www.nlpr.ia.ac.cn/databases/handwriting/Download.html 数据简介： 包含在线和离线两类手写数据，HWDB1.0~1.2总共有3895135个手写单字样本，分属7356类（7185个汉字和171个英文
ocr 图像倾斜矫正-霍夫变换
uncle_ll的博客
05-07 7340
图像预处理 在ocr处理时候，可能遇到的图片会是倾斜的，导致检测不全问题，进而影响后续识别问题。 常见的倾斜矫正方法 霍夫轮廓检测 randon 变换 基于PCA的方法 霍夫变换 基本原理 可以识别图像中的几何形状。它将图像空间中的特征点映射到参数空间进行投票，通过检测累计结果的局部极值点得到一个符合某特定形状的点的集合。经典霍夫变换用来检测图像中的直线，后来霍夫变换扩展到任意形状物体的识别，多为圆和椭圆。它的抗噪声、抗形变能力较强。另一种直线提取的方法是对图像边缘点进行链码追踪，在得到的链码串中提取
OCR相关介绍
uncle_ll的博客
10-24 6511
OCR相关介绍 0 计算机视觉技术（computer version） 计算机视觉是人工智能的一个重要分支，它要解决的问题就是：看懂图像里的内容。 人的大脑皮层， 有差不多70% 都是在处理视觉信息。 是人类获取信息最主要的渠道，没有之一。 下图是网络上新增数据的占比趋势图。灰色是结构化数据，蓝色是非结构化数据（大部分都是图像和视频）。可以很明显的发现，图片和视频正在以指数级的速度在增长。 而在计算机视觉出现之前，图像对于计算机来说是黑盒的状态。 一张图片对于机器只是一个文件。机器并不知道图片里的内容到底
OCR算法识别性能评估
uncle_ll的博客
10-22 4496
评估OCR算法识别率的指标通常有这几种： one 全对准确率： 每张图片版面上有多个文本时候，每个文本都对的张数占总的张数的比例； 标签全对准确率：每张图片版面上有多个文本时候，文本对的个数占总的文本个数的比例； 平均编辑距离：平均编辑距离越小说明识别率越高。平均编辑距离主要衡量整行或整篇文章的指标，可以同时反应识别错，漏识别和多识别的情况； 字符识别准确率，即识别对的字符数占总识别出来字符数的比例，可以反应识别错和多识别的情况，但无法反应漏识别的情况； 字符识别召回率，即识别对的字符数占实际字符数的比例
白翔分享：ICDAR2017 OCR深度讲座——场景文本检测与识别
白翔在ICDAR2017会议上分享了深度学习在场景文本识别（SceneText Recognition）中的应用，特别是针对OCR（Optical Character Recognition，光学字符识别）领域的最新进展。讲座的主题围绕“Deep Neural Networks for...
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

打赏作者

uncle_ll

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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