Сүрөттөгү текстти аныктоо моделдери (DBNet, EAST, CRAFT) кайсылар?

DBNet, EAST жана CRAFT — бул сүрөттөгү текстти аныктоо үчүн колдонулган заманбап моделдер, алар OCR (оптик белгини таануу) тапшырмаларында колдонулат. Алар архитектурасы жана тексттик аймактарды бөлүп көрсөтүү ыкмалары боюнча айырмаланат.

• EAST (Эффективдүү жана так сцена текстти аныктоочу)

  • Конволюциялык нейрон тармагын колдонуп, тексттик аймактардын айланасында түз же багытталган рамкаларды болжайт.
  • Жылдам жана так, табигый сценаларда текстти аныктоо үчүн ылайыктуу.

• CRAFT (Текстти аныктоодо белгилердин аймактарынын аң-сезимдүүлүгү)

  • Жалгыз белгилерди жана алардын байланышын аныктоого басым жасайт.
  • Жогорку ыктымалдуулук менен белгилерди камтыган аймактарды белгилейт жана аларды сөздөргө же саптарга бириктирет.
  • Өзгөчө татаал жана ар түрдүү тексттик түзүмдөр үчүн эффективдүү.

• DBNet (Айрымдалган бинаризациялык тармак)

  • Бинаризацияны айырмаланган кылып, тексттик аймактарды сегменттөө сапатын жакшыртат.
  • Өзгөчө татаал фондарда тексттик аймактарды так аныктоого мүмкүндүк берет.

Бул моделдер көбүнчө OCR системаларында биринчи этап катары колдонулат — текстти локализациялоо үчүн, андан соң белгилерди таануу.

CRAFT колдонуу мисалы:

• Кирүү сүрөтү берилет.
• Модель белгилер жана алардын байланышы үчүн ыктымалдуулук карталарын түзөт.
• Бул карталарга негизделип, сөздөргө же саптарга чектөө кутулары түзүлөт.

Моделди тандоо тапшырганын көз каранды: EAST тез аныктоо үчүн жакшы, CRAFT — татаал тексттик түзүмдөр үчүн, ал эми DBNet — так сегменттөө үчүн.