Jelenet szöveg felismerése és felismerése

A jelenet-szöveg felismerése és felismerése egymáshoz kapcsolódó, de különálló feladatok. A detektor megkeresi a kép szöveges régióit, gyakran dobozok, sokszögek vagy ponttérképek létrehozásával. A felismerő beolvassa a levágott területet, és kiad egy karaktert vagy szósorozatot. Egy teljes rendszernek össze kell kapcsolnia a szakaszokat: a kihagyott régiókat nem lehet felismerni, és a rosszul vágott szöveg megzavarhatja a felismerőt. A természetes képek perspektívát, ívelt alapvonalakat, változó betűtípusokat, tükröződést, árnyékokat, alacsony felbontást és háttérzavart adnak. A CRAFT, amelyet egy CVPR cikkben írnak le, megjósolja a karakter-régió és a karakter-affinitás pontszámait. Az egyes karakterrégiók szövegpéldányokba csoportosíthatók, ami segíthet a merev szódobozokhoz képest ívelt vagy szabálytalan formák esetén. Ezután egy külön felismerő olvassa be az egyes észlelt régiókat. A korábbi CRNN-kutatások a konvolúciós jellemzőket a szekvenciamodellezéssel és a jelenet szövegének átírásával kombinálják. Ezek a tervezési megközelítések példái, nem garantálják, hogy minden folyamat ugyanazt az architektúrát használja. Az értékelésnek külön kell pontoznia az észlelést és a felismerést, valamint a végétől a végéig. Az észlelési intézkedések értékelhetik a régiók átfedését vagy pontosságát és visszahívását; a felismerés karakter- vagy szóhibával értékelhető. Tartalmazza a tájolást, az ívelt szöveget, a nyelveket, a világítást és a használatot jellemző képminőséget. Őrizze meg az eredeti képet, és mutasson bizonytalan leolvasást a javításhoz, különösen a címek, termékkódok vagy biztonsági címkék esetében. A jelenet-szöveg rendszerek pixeleket értelmeznek; nem ellenőrzik az utasítás tekintélyét, igazságát vagy kontextusát. Tesztelje a kivágott szövegrészeket és a teljes, végpontok közötti képeket.