Kādi ir attēlu teksta noteikšanas modeļi (DBNet, EAST, CRAFT)?

DBNet, EAST un CRAFT ir moderni modeļi teksta noteikšanai attēlos, kas tiek izmantoti OCR (optiskā rakstzīmju atpazīšana) uzdevumos. Tie atšķiras ar arhitektūru un pieejām teksta apgabalu izcelšanai.

• EAST (Efektīvs un precīzs skatuves teksta detektors)

  • Izmanto konvolūcijas neironu tīklu, lai prognozētu taisnstūra vai orientētus rāmjus ap teksta apgabaliem.
  • Ātrs un precīzs, piemērots dabisko skatu teksta noteikšanai.

• CRAFT (Rakstzīmju reģionu apziņa teksta noteikšanai)

  • Koncentrējas uz atsevišķu rakstzīmju un to saistību noteikšanu.
  • Izceļ apgabalus ar augstu varbūtību rakstzīmju klātbūtnei un savieno tos vārdos vai rindās.
  • Īpaši efektīvs sarežģītām un heterogēnām teksta struktūrām.

• DBNet (Diferencējama binarizācijas tīkls)

  • Izmanto diferencējamu binarizāciju, lai uzlabotu teksta apgabalu segmentācijas kvalitāti.
  • Ļauj precīzāk noteikt teksta reģionus, īpaši sarežģītos fonos.

Šie modeļi parasti tiek izmantoti kā pirmais solis OCR sistēmās — teksta lokalizācijai, pēc tam seko rakstzīmju atpazīšana.

CRAFT piemērs:

• Ievades attēls tiek ievadīts.
• Modelis ģenerē varbūtības kartes rakstzīmēm un to saistībām.
• Pamatojoties uz šīm kartēm, tiek veidoti ierobežojošie rāmji vārdiem vai rindām.

Modeļa izvēle ir atkarīga no uzdevuma: EAST ir labs ātrai noteikšanai, CRAFT — sarežģītām teksta struktūrām, bet DBNet — precīzai segmentācijai.