【文本识别】开源 | 基于几何感知的高效文本识别，模型权重小、推理时间短、可靠性强，性能SOTA！

论文地址： http://arxiv.org/pdf/2302.03873v1.pdf

来源： University of Moratuwa

论文名称：Geometric Perception based Efficient Text Recognition

原文作者：P.N.Deelaka

内容提要

每个场景文本识别(STR)任务都由文本定位和文本识别两个突出的子任务组成。然而，在具有固定摄像机位置的实际应用中，如设备监视器读取、基于图像的数据输入和打印文档数据提取，底层数据往往是常规场景文本。因此，在这些任务中，与定制的高效模型相比，使用通用的、庞大的模型在模型可部署性、数据隐私和模型可靠性方面存在显著的缺点。因此，本文引入了基本概念、理论、实现和实验结果，开发了针对任务本身高度专门化的模型，在实现SOTA性能的同时，具有最小的模型权重、更短的推理时间和更高的模型可靠性。我们介绍了一种新的深度学习架构(GeoTRNet)，训练它仅使用现有的几何特征来识别常规场景图像中的数字，模拟人类对文本识别的感知。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有