РЕШЕНИЕ ЗАДАЧИ РАСПОЗНАВАНИЯ СИМВОЛОВ НА ИЗОБРАЖЕНИЯХ ТОВАРНЫХ ЦЕННИКОВ (63-65)

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: 63-65

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

Анотация: В работе сравниваются модель STAR-net и технология tesseract-ocr. Датасет представляет собой вырезанные слова с магазинных ценников, размеченных в автоматическом режиме с помощью сервиса Yandex OCR. Использовались такие метрики как доля правильных ответов и расстояние левенштейна. Наилучший результат показала модель STAR-net. Была проведена аналитика ошибок и даны рекомендации по улучшению качества.

Ключевые слова: OCR, задача распознавания символов,tesseract-ocr,STAR-net,расстояние левенштейна,

Данные для цитирования: Марков Виталий Владиславович . РЕШЕНИЕ ЗАДАЧИ РАСПОЗНАВАНИЯ СИМВОЛОВ НА ИЗОБРАЖЕНИЯХ ТОВАРНЫХ ЦЕННИКОВ (63-65) // Евразийский Союз Ученых — публикация научных статей в ежемесячном научном журнале. Технические науки. 2020/06/14; 74(3):63-65.

Скачать в формате PDF

Список литературы: 1.Baek, Jeonghun, et al. “What Is Wrong With Scene Text Recognition Model Comparisons? Dataset and Model Analysis.” 2019 IEEE/CVF International Conference on Computer Vision (ICCV), 2019, doi:10.1109/iccv.2019.00481. 2.Graves, Alex, et al. “Connectionist Temporal Classification.” Proceedings of the 23rd International Conference on Machine Learning - ICML '06, 2006, doi:10.1145/1143844.1143891. 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.Liu, Wei, et al. “STAR-Net: A SpaTial Attention Residue Network for Scene Text Recognition.” Procedings of the British Machine Vision Conference 2016, 2016, doi:10.5244/c.30.43. 5.Liu, Xuebo, et al. “FOTS: Fast Oriented Text Spotting with a Unified Network.” 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2018, doi:10.1109/cvpr.2018.00595. 6.Stanford cs class cs231n: Convolutional neural networks for visual recognition. http://cs231n.github.io/neural-networks-case-study/. 7.Tesseract OCR, https://tesseract- ocr.github.io/tessdoc/ 8.Karatzas, Dimosthenis, et al. “ICDAR 2013 Robust Reading Competition.” 2013 12th International Conference on Document Analysis and Recognition, 2013, doi:10.1109/icdar.2013.221. 9.Karatzas, Dimosthenis, et al. “ICDAR 2015 Competition on Robust Reading.” 2015 13th International Conference on Document Analysis and Recognition (ICDAR), 2015, doi:10.1109/icdar.2015.7333942. 10. Wang, Kai, et al. “End-to-End Scene Text Recognition.” 2011 International Conference on Computer Vision, 2011, doi:10.1109/iccv.2011.6126402.