.png){kind=icon}
返回
MIRROR: Multi-scale iterative refinement for robust chinese text recognition
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2025.110270.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
文本识别因其广泛应用于各个领域而成为研究的关键领域。作为计算机视觉的一个重要分支，中文文本识别已获得日益增长的研究和实践价值。然而，现有的中文文本识别方法仍存在局限性。本文提出了一种创新的中文文本识别方法，即鲁棒中文文本识别的多尺度迭代优化方法（MIRROR）。该模型通过先进算法和结构设计显著提升了中文文本的识别精度。MIRROR模型由两个核心组件构成：特征提取器和下一字符解码器。具体而言，本文提出了一种空间局部自注意力模块，以增强模型在复杂字符序列中建模长距离依赖的能力，解决了中长距离中文字符序列复杂分布的问题。字符优化模块有效捕获多尺度信息，处理笔画特征差异，并解决类内相似性问题。通过结合多尺度特征提取与特征优化的迭代优化，该模型识别同一字符在不同风格下的共同特征，解决了类内变化问题，并提升了模型鲁棒性。此外，本文引入了三维权重注意力模块以优化字符特征的粒度。实验表明，MIRROR在中文基准数据集上显著优于基线模型。在场景数据集上，性能提升了3.08%（从76.90%提升至79.98%），在网页数据集上提升了1.46%（从70.43%提升至71.89%），在文档数据集上提升了0.38%（从98.72%提升至99.10%），在手写数据集上提升了9.29%（从50.26%提升至59.55%）。
Keyword:
Deep learning
Chinese text recognition
Scene text recognition
期刊
IF:
8
论文数:
5.7K
被引数:
3.5W
机构
引用论文
MORAN: A Multi-Object Rectified Attention Network for scene text recognitionMORAN: 用于场景文本识别的多目标校正注意力网络.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
SCUT-HCCDoc: A new benchmark dataset of handwritten Chinese text in unconstrained camera-captured documentsSCUT-HCCDoc: 不受约束的相机捕获文档中的手写中文文本的新基准数据集PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容