Şəkillərdə mətn aşkarlama modelləri (DBNet, EAST, CRAFT) hansılardır?

DBNet, EAST və CRAFT — bu müasir modellərdir, onlar şəkillərdə mətnin aşkarlanması üçün istifadə olunur və OCR (optik simvol tanıma) tapşırıqlarında tətbiq edilir. Onlar memarlıq və mətn sahələrini ayırma yanaşmaları ilə fərqlənirlər.

• EAST (Efficient and Accurate Scene Text detector)

  • Mətn sahələrinin ətrafında düzbucaqlı və ya istiqamətləndirilmiş çərçivələri proqnozlaşdırmaq üçün konvolyusiya neyron şəbəkəsindən istifadə edir.
  • Sürətli və dəqiq, təbii səhnələrdə mətnin aşkarlanması üçün uyğundur.

• CRAFT (Character Region Awareness for Text detection)

  • Fərdi simvolların və onların əlaqələrinin aşkarlanmasına yönəlib.
  • Yüksək ehtimal olan sahələri vurğulayır və onları sözlər və ya sətirlər halında birləşdirir.
  • Xüsusilə mürəkkəb və heterogen mətn strukturları üçün effektivdir.

• DBNet (Differentiable Binarization Network)

  • Mətn sahələrinin seqmentasiyasının keyfiyyətini artırmaq üçün fərqli binarizasiya istifadə edir.
  • Xüsusilə mürəkkəb fonlarda mətn bölgələrinin daha dəqiq aşkarlanmasına imkan verir.

Bu modellər adətən OCR sistemlərində ilk mərhələ kimi istifadə olunur — mətnin lokalizasiyası üçün, sonra isə simvol tanıma həyata keçirilir.

CRAFT-dən istifadə nümunəsi:

• Şəkil giriş kimi verilir.
• Model simvollar və onların əlaqələri üçün ehtimal xəritələri yaradır.
• Bu xəritələr əsasında sözlər və ya sətirlər üçün sərhəd qutuları formalaşdırılır.

Model seçimi vəzifədən asılıdır: EAST sürətli aşkarlama üçün yaxşıdır, CRAFT mürəkkəb mətn strukturları üçün, və DBNet dəqiq seqmentasiya üçün uyğundur.