Millised on pildipildi tekstituvastamise mudelid (DBNet, EAST, CRAFT)?

DBNet, EAST ja CRAFT on kaasaegsed mudelid teksti tuvastamiseks piltidel, mida kasutatakse OCR (optiline märgistus) ülesannetes. Nad erinevad arhitektuuri ja lähenemisviiside poolest tekstipiirkondade eristamisel.

• EAST (Tõhus ja täpne stseeni teksti detektor)

  • Kasutab konvolutsioonilist närvivõrku, et ennustada ristkülikukujulisi või orientiire ümber tekstipiirkondade.
  • Kiire ja täpne, sobib looduslike stseenide teksti tuvastamiseks.

• CRAFT (Tähemärkide piirkondade teadlikkus teksti tuvastamiseks)

  • Keskendub üksikute märkide ja nende ühenduste tuvastamisele.
  • Tõstab esile piirkonnad, kus on suur tõenäosus märkide olemasoluks, ja ühendab need sõnadeks või ridadeks.
  • Eriti tõhus keeruliste ja heterogeensete tekstistruktuuride puhul.

• DBNet (Differentiable Binarization Network)

  • Kasutab diferentseeritavat binariseerimist tekstipiirkondade segmenteerimise kvaliteedi parandamiseks.
  • Võimaldab täpsemat tekstipiirkondade tuvastamist, eriti keerulistel taustadel.

Need mudelid kasutatakse tavaliselt OCR-süsteemide esimeses etapis — teksti lokaliseerimiseks, millele järgneb märkide tunnustamine.

CRAFT kasutamise näide:

• Sisendpilt antakse.
• Mudel genereerib tõenäosuskartesid märkidele ja nende ühendustele.
• Nende kaartide põhjal moodustatakse piirid sõnadele või ridadele.

Mudeli valik sõltub ülesandest: EAST on hea kiireks tuvastamiseks, CRAFT keeruliste tekstistruktuuride jaoks ja DBNet täpseks segmentatsiooniks.