Ποια μοντέλα ανίχνευσης κειμένου σε εικόνες (DBNet, EAST, CRAFT);

DBNet, EAST και CRAFT είναι μοντέρνα μοντέλα για την ανίχνευση κειμένου σε εικόνες, που χρησιμοποιούνται σε εργασίες OCR (οπτική αναγνώριση χαρακτήρων). Διαφέρουν στην αρχιτεκτονική και τις προσεγγίσεις για την ανάλυση περιοχών κειμένου.

• EAST (Αποτελεσματικός και ακριβής ανιχνευτής κειμένου σε σκηνές)

  • Χρησιμοποιεί ένα συνελικτικό νευρωνικό δίκτυο για την πρόβλεψη ορθογώνιων ή προσανατολισμένων πλαισίων γύρω από περιοχές κειμένου.
  • Γρήγορο και ακριβές, κατάλληλο για ανίχνευση κειμένου σε φυσικές σκηνές.

• CRAFT (Επίγνωση περιοχών χαρακτήρων για ανίχνευση κειμένου)

  • Εστιάζει στην ανίχνευση μεμονωμένων χαρακτήρων και των συνδέσεών τους.
  • Επισημαίνει περιοχές με υψηλή πιθανότητα περιέχει χαρακτήρες και τις συνδέει σε λέξεις ή γραμμές.
  • Ιδιαίτερα αποτελεσματικό για πολύπλοκες και ετερογενείς δομές κειμένου.

• DBNet (Διαφοροποιήσιμη δίκτυο δυαδικοποίησης)

  • Χρησιμοποιεί διαφοροποιήσιμη δυαδικοποίηση για τη βελτίωση της ποιότητας της τμηματοποίησης περιοχών κειμένου.
  • Επιτρέπει πιο ακριβή ανίχνευση περιοχών κειμένου, ειδικά σε πολύπλοκα φόντα.

Αυτά τα μοντέλα χρησιμοποιούνται συνήθως ως το πρώτο βήμα σε συστήματα OCR — για τον εντοπισμό του κειμένου, ακολουθούμενο από την αναγνώριση χαρακτήρων.

Παράδειγμα χρήσης του CRAFT:

• Μια εικόνα εισάγεται.
• Το μοντέλο δημιουργεί χάρτες πιθανοτήτων για χαρακτήρες και τις συνδέσεις τους.
• Βάσει αυτών των χαρτών, σχηματίζονται πλαίσια οριοθέτησης για λέξεις ή γραμμές.

Η επιλογή του μοντέλου εξαρτάται από την εργασία: το EAST είναι καλό για γρήγορη ανίχνευση, το CRAFT για πολύπλοκες δομές κειμένου, και το DBNet για ακριβή τμηματοποίηση.