PANDUAN AI Visual

Pengesanan dan Pengecaman Teks Adegan

Pembacaan teks adegan menggabungkan lokasi teks dalam imej semula jadi dengan mengecam aksara atau urutan perkataan.

Dengar panduan iniAI-diceritakan · ~3 min

Pada halaman ini3 min dibaca
  1. Gambaran keseluruhan
  2. Menyelam dalam
  3. Pelaksanaan Dunia Sebenar
  4. Masa Depan Pengesanan dan Pengecaman Teks Adegan
  5. Mempraktikkannya
  6. Teruskan Meneroka
  7. Soalan lazim

Gambaran keseluruhan

Teks mungkin melengkung, diputar, kecil, kabur, digayakan atau tertanam dalam kekacauan; pengesanan mencari kawasan manakala pengecaman menukar urutan tanaman atau ciri kepada teks. Kedua-dua peringkat boleh gagal, dan bacaan yang berjaya tidak membuktikan bahawa teks itu betul atau selamat untuk bertindak.

Menyelam dalam

Pengesanan dan pengecaman teks adegan adalah berkaitan tetapi tugas yang berbeza. Pengesan mengesan kawasan teks dalam imej, selalunya dengan menghasilkan kotak, poligon atau peta skor. Pengecam membaca kawasan yang dipangkas dan mengeluarkan aksara atau urutan perkataan. Sistem penuh mesti menyambungkan peringkat: kawasan yang terlepas tidak dapat dikenali, dan teks yang dipangkas dengan buruk boleh mengelirukan pengecam. Imej semula jadi menambah perspektif, garis dasar melengkung, fon berubah-ubah, silau, bayang-bayang, peleraian rendah dan kekacauan latar belakang. CRAFT, yang diterangkan dalam kertas CVPR, meramalkan skor wilayah aksara dan perkaitan aksara. Kawasan aksara individu boleh dikumpulkan ke dalam contoh teks, yang boleh membantu dengan bentuk melengkung atau tidak sekata berbanding dengan kotak perkataan tegar. Pengecam berasingan kemudian membaca setiap kawasan yang dikesan. Penyelidikan CRNN terdahulu menggabungkan ciri konvolusi dengan pemodelan jujukan dan transkripsi untuk teks adegan. Ini adalah contoh pendekatan reka bentuk, tidak menjamin bahawa setiap saluran paip menggunakan seni bina yang sama. Penilaian hendaklah pengesanan skor dan pengiktirafan secara berasingan serta hujung ke hujung. Langkah pengesanan boleh menilai pertindihan rantau atau ketepatan dan ingat semula; pengiktirafan boleh dinilai dengan watak atau kesalahan perkataan. Sertakan orientasi, teks melengkung, bahasa, pencahayaan dan kualiti imej yang mewakili penggunaan. Kekalkan imej asal dan tunjukkan bacaan yang tidak pasti untuk pembetulan, terutamanya untuk alamat, kod produk atau label keselamatan. Sistem teks adegan mentafsir piksel; mereka tidak mengesahkan kuasa, kebenaran, atau konteks sesuatu arahan. Uji merentas kedua-dua kawasan teks yang dipangkas dan imej hujung ke hujung penuh.

Pelaksanaan Dunia Sebenar

Apl terjemahan mula-mula mengesan kawasan tanda, memangkasnya, mengecam teks, kemudian menunjukkan hasil di sebelah imej asal untuk pembetulan.

Kamera gudang menguji OCR pada label pada pelbagai sudut dan jarak sebelum menggunakan bacaan untuk menghalakan pakej.

Pembangun menilai huruf etalase melengkung secara berasingan daripada teks bercetak mendatar.

Penyemak mengesahkan alamat yang diiktiraf atau arahan keselamatan terhadap imej sebelum mengambil tindakan.

Masa Depan Pengesanan dan Pengecaman Teks Adegan

Pembacaan teks adegan sedang bergerak ke arah sistem berbilang bahasa dan hujung ke hujung yang lebih mantap, manakala saluran paip pengesanan-tambah-pengiktirafan kekal berguna untuk penyahpepijatan dan kawalan khusus. Data sintetik yang lebih baik dan model visual yang lebih besar mungkin meningkatkan liputan, tetapi teks di alam liar kekal terjejas oleh kualiti tangkapan dan skrip yang tidak biasa. Pasukan harus menguji versi model baharu pada imejan setempat, mengekalkan isyarat ketidakpastian dan memberi pengguna cara untuk membetulkan teks sebelum ia mendorong aliran kerja yang berbangkit. Pastikan imej ujian dan dasar anotasi versi supaya perubahan kekal setanding.

Mempraktikkannya

Mengapa ia penting

  • Kelajuan dan skala. Visual AI boleh mengautomasikan tugas pemeriksaan, pengesanan dan penandaan pada skala.
  • Pilihan binaan. Pasukan kreatif boleh membuat prototaip konsep dengan lebih pantas dengan lebih sedikit semakan manual.
  • Pasukan dan aliran kerja. Operasi boleh menggunakan isyarat imej dan video yang sebelum ini sukar diproses.

Berhati-hati untuk

  • Hak imej dan persetujuan boleh menjadi risiko undang-undang jika asalnya tidak jelas.
  • Prestasi model boleh berbeza mengikut pencahayaan, demografi dan persekitaran.
  • Positif palsu mungkin tidak disedari melainkan ambang keyakinan dipantau.

Langkah seterusnya

  1. Tentukan kriteria penerimaan untuk ketepatan, ingatan semula dan kos ralat.
  2. Uji dengan data yang sepadan dengan keadaan pengeluaran sebenar.
  3. Tambahkan semakan manusia untuk ramalan keyakinan rendah atau berimpak tinggi.
  4. Jejaki hanyut model dan sahkan semula selepas perubahan kamera atau set data.

Teruskan Meneroka

Newsletter percuma

Dapatkan taklimat AI harian

Tiga cerita AI yang disahkan setiap pagi hari bekerja, ditulis dalam Bahasa Inggeris biasa. Percuma selamanya, tiada iklan.

Satu e-mel setiap hari bekerja. Berhenti melanggan dalam satu klik. Kami tidak pernah menjual atau berkongsi alamat anda.

Uji diri anda

Ambil kuiz Pengesanan dan Pengecaman Teks Adegan

Maklum balas segera pada setiap jawapan, dan sijil yang boleh dikongsi dengan ID yang boleh disahkan sebaik sahaja anda lulus kursus.

Mulakan kuiz

Sokong pendidikan AI percuma. AI Understanding ialah pertubuhan bukan keuntungan 501(c)(3) — tiada iklan, tiada bayaran dinding, selamanya. Buat derma

Soalan lazim

Apakah Pengesanan dan Pengecaman Teks Adegan?

Pembacaan teks adegan menggabungkan lokasi teks dalam imej semula jadi dengan mengecam aksara atau urutan perkataan. Teks mungkin melengkung, diputar, kecil, kabur, digayakan atau tertanam dalam kekacauan; pengesanan mencari kawasan manakala pengecaman menukar urutan tanaman atau ciri kepada teks. Kedua-dua peringkat boleh gagal, dan bacaan yang berjaya tidak membuktikan bahawa teks itu betul atau selamat untuk bertindak.

Apakah yang dikembalikan oleh pengesan teks adegan?

Pengesanan menyetempatkan teks; pengecaman membaca kawasan yang dikesan.

Bagaimanakah CRAFT menggunakan skor perkaitan watak?

CRAFT menggabungkan skor wilayah aksara dan perkaitan untuk mengumpulkan teks.

Mengapakah pengesanan dinilai secara berasingan daripada pengiktirafan?

Penilaian berasingan mendedahkan sama ada wilayah ditemui dan kemudian dibaca dengan betul.

Apakah pendekatan CRNN digabungkan mengikut kertasnya?

Kertas CRNN menerangkan konvolusi, pemodelan jujukan, dan transkripsi.

Apakah kadar ralat aksara yang gagal ditunjukkan dengan sendirinya?

CER menilai jujukan teks tetapi bukan semua kegagalan pengesanan.