ПРОВЕДЕНИЕ СРАВНИТЕЛЬНОГО АНАЛИЗА ATTENTION OCR И TESSERACT В ЗАДАЧЕ РАСПОЗНАВАНИЯ СИМВОЛОВ НА ИЗОБРАЖЕНИЯХ ПРЕЙСКУРАНТОВ (65-67)

DOI:

Дата публикации статьи в журнале: 2020/06/14

Название журнала: Евразийский Союз Ученых — публикация научных статей в ежемесячном научном журнале, Выпуск: 74, Том: 3, Страницы в выпуске: 65-67

Автор: Марков Андрей Владиславович
студент, Челябинский государственный университет, Россия, г.Челябинск

Анотация: Решения классической задачи распознавания символов является высоко востребованной на практике. В рамках данной работы будет рассматриваться задача распознавания символов с изображений прайслистов табачной продукции. Для разметки изображений использовался сервис Yandex OCR. Сравнивалась модель Attention OCR и технология Tesseract по качеству распознавания изображений слов, вырезанных с прайс-листов. Attention OCR показала более качественное распознавание символов по сравнению с Tesseract.

Ключевые слова: Tesseract, Attention OCR,прайс-листы,

Данные для цитирования: Марков Андрей Владиславович . ПРОВЕДЕНИЕ СРАВНИТЕЛЬНОГО АНАЛИЗА ATTENTION OCR И TESSERACT В ЗАДАЧЕ РАСПОЗНАВАНИЯ СИМВОЛОВ НА ИЗОБРАЖЕНИЯХ ПРЕЙСКУРАНТОВ (65-67) // Евразийский Союз Ученых — публикация научных статей в ежемесячном научном журнале. Технические науки. 2020/06/14; 74(3):65-67.

Скачать в формате PDF

Список литературы: 1. Zbigniew Wojna, et al. “Attention-based Extraction of Structured Information from Street View Imagery” arXiv:1704.03549v4 [cs.CV] 20 Aug 2017. https://arxiv.org/pdf/1704.03549.pdf 2. Xing, Linjie, et al. “Convolutional Character Networks.” 2019 IEEE/CVF International Conference on Computer Vision (ICCV), 2019, doi:10.1109/iccv.2019.00922. 3. He, Kaiming, et al. “Deep Residual Learning for Image Recognition.” 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016, doi:10.1109/cvpr.2016.90. 4. H. Law and J. Deng. Cornernet: Detecting objectsas paired keypoints. InProceedings of the EuropeanConference on Computer Vision (ECCV), pages 734–750, 2018 5. Tesseract OCR, https://opensource.google/projects/tesseract . 6. Stanford cs class cs231n: Convolutional neural networks for visual recognition. http://cs231n.github.io/neural-networks-case-study/. 7. R.Smith,C.Gu,D.- S.Lee,H.Hu,R.Unnikrishnan,J.Ibarz,S.Arnoud, and S. Lin, “End-to-end interpretation of the french street name signs dataset,” in European Conference on Computer Vision. Springer, 2016, pp. 411–426.