Որո՞նք են տեքստի հայտնաբերման մոդելները պատկերներում (DBNet, EAST, CRAFT):

DBNet, EAST և CRAFT մոդելները ժամանակակից են՝ տեքստի հայտնաբերման համար պատկերներում, որոնք օգտագործվում են OCR (օպտիկական նշանների ճանաչում) առաջադրանքներում։ Նրանք տարբեր են ճարտարապետությամբ և մոտեցումներով՝ տեքստային տարածքների առանձնացման համար։

• EAST (Արդյունավետ և ճշգրիտ տեսարանային տեքստի հայտնաբերման գործիք)

  • Օգտագործում է կոնվոլյուցիոն նեյրոնային ցանց՝ ուղղանկյուն կամ ուղղորդված շրջանակներ կանխատեսելու համար տեքստային տարածքների շուրջ։
  • Արագ և ճշգրիտ, հարմար է բնական տեսարաններում տեքստի հայտնաբերման համար։

• CRAFT (Անձնական նիշերի տարածքների գիտակցություն՝ տեքստի հայտնաբերման համար)

  • Կենտրոնանում է առանձին նիշերի և նրանց կապերի հայտնաբերման վրա։
  • Տարբերում է բարձր հավանականությամբ նիշեր պարունակող տարածքները և կապում դրանք բառերի կամ տողերի մեջ։
  • Հատկապես արդյունավետ է բարդ և հոմոգեն տեքստային կառուցվածքների համար։

• DBNet (Տարբերակելի բինարիզացիայի ցանց)

  • Օգտագործում է տարբերակելի բինարիզացիա՝ տեքստային տարածքների սեգմենտացիայի որակն բարելավելու համար։
  • Հնարավորություն է տալիս ավելի ճշգրիտ հայտնաբերել տեքստային շրջանները, հատկապես բարդ ֆոնների վրա։

Այս մոդելները սովորաբար օգտագործվում են OCR համակարգերի առաջին փուլում՝ տեքստի տեղորոշման համար, այնուհետև՝ նիշերի ճանաչում։

CRAFT-ի օգտագործման օրինակ՝

• Ներածական պատկերն է։
• Մոդելը արտադրում է հավանականության քարտեր նիշերի և նրանց կապերի համար։
• Այս քարտերի հիման վրա ձևավորվում են սահմանափակ տուփեր բառերի կամ տողերի համար։

Մոդելի ընտրությունը կախված է առաջադրանքից՝

• EAST-ը լավ է արագ հայտնաբերման համար,
• CRAFT-ը՝ բարդ տեքստային կառուցվածքների համար,
• DBNet-ը՝ ճշգրիտ սեգմենտացիայի համար։