首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

TextScanner:新作文字识别新突破,确保字符阅读顺序

由于深度学习和海量数据的涌现,场景文字识别技术获得飞速发展。...本文是研究院与华中科技大学的联合研究成果,已收录于 AAAI 2020。 ?...由于场景文字承载着关键而具体的信息,精确到文字识别在复杂的现实场景中异常重要。在当前最优的场景文字识别方法中,有着两个流行的范式:1)基于 RNN 注意力的方法,2)基于语义分割的算法。...本文中,研究院提出一个全新的文字识别框架,称之为 TextScanner。正如一台真实的扫描器(scanner),TextScanner 可以正确的顺序读取字符。...图 7:字符定位偏差的概率密度 结论 研究院在本文中提出 TextScanner,一个高效的基于分割的双分支的场景文字识别框架,它克服了先前方法的困难和缺点,并不不同的具有挑战性的场景下表现良好

1.4K20

AAAI 2020 | 研究院:深度解读文字检测与识别新突破

在最新一期的 AAAI 2020 线上论文分享中,研究院算法研究员万昭祎结合被接收的两篇论文,向我们介绍了提出的高性能实时文字检测算法和更鲁棒的文字识别框架。...通过一个简单的分割网络,研究院在 5 个基准数据集上的实验,取得了速度和精度的双重当前最佳,验证了这一新方法的性能提升。...详细解读请查看:AAAI-20 Oral | 研究院提出可微分二值化,实现文字检测精度速度双重最佳 文字识别新突破 TextScanner 论文标题:TextScanner: Reading Characters...但是先前同类方法存在种种缺点,为此,本文提出 TextScanner,一种鲁棒的基于分割的场景文字识别方法,可以正确读取字符数据,并在一系列相关的文字基准数据集上,取得了当前最佳的性能。...详细解读请查看:AAAI-20 | 研究院提出 TextScanner:确保字符阅读顺序,实现文字识别新突破 本文为机器之心发布,转载请联系本公众号获得授权。

1.3K30
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    的 To B 兵团

    2020年1月,企业业务事业部(EBG)正式成立,为拉起To B业务这面大旗。 几个月后的6月19日,又首次对外公布了「企业服务战略大图」。...在IPO消息传出之前,的To B业务已经悄然成形。 从2015年涉足至今,To B这步棋,先前的步子求稳,而后的步子求大。 EBG,这一城市物联网故事中最重要的戏,怎么唱?...在端侧,有“神行”系列; 在边侧,有魔方、鸿图等; 在算法侧,有“算法商店”等; 在操作系统侧,有AIoT操作系统盘古等。...于成本,面向SMB则推出了九霄公有云的解决方案,利用后端算法对现有的传统摄像头做智慧化升级,帮客户控制成本。 发展路径上,以客户为中心,开启三级飞轮模式。...将在全新的舞台上,为大家带来哪些惊喜,这个世界,能否如所愿,我们拭目以待。 ? 推荐阅读 ?

    1.4K20

    加码“狗脸识别”背后,的AI商业化焦虑

    科技扩展AI技术应用则不仅可以开拓新的市场,也能推动AI领域的商业化进程。 在面部识别领域,科技在业内已经处于领先地位。...例如小米、华为等主流智能手机生产商与科技都有合作。 科技风靡人脸识别领域,依赖的正是Face++技术,在106/83多点识别、多场景复杂识别、不受光线影响等多方面的技术优势。...2011年开始,科技就把AI技术放在核心位置,而这也直接促成了它在视觉识别技术业内领先的地位。 在产品技术方面,科技的Face++在人脸识别、人体识别、SDK技术等多技术领域,已经比较成熟。...但和百度AI人脸识别以及腾讯优图相比,科技的AI识别技术更加精确,因而更受市场好评。...Face++人脸识别技术领先,科技自然想将其向多个应用场景扩展,宠物市场的热火,让科技看到了其应用前景。这种情况下,围绕“狗脸识别”技术做应用也就水到渠成。

    61561

    【首次超越人类】行人再识别(ReID)突破,人脸识别后创新纪录

    日前,科技Face++的研究团队,让机器在行人再识别(ReID)上首次超越人类,创下了行业纪录。...科技首席科学家、研究院院长孙剑表示:“我非常高兴看到又一个非常难且有巨大应用价值的图像感知问题,被科技团队的算法超越了人类性能。”...但不久前,科技Face++在此项研究中取得了令人兴奋的进展:在研究院团队发表的文章AlignedReID[1]中,作者提出了一种新方法,通过动态对准(Dynamic Alignment)和协同学习...科技首席科学家、研究院院长孙剑表示:“最近几年,随着深度学习方法的复兴,从2014年的人脸识别到2015年的ImageNet图像分类,我们已经看到机器在越来越多的图像感知问题中超越了人类。...今天,我非常高兴看到又一个非常难且有巨大应用价值的图像感知问题,被科技团队的算法超越了人类性能。” 让多个网络自动学习人体结构对齐,并彼此相互学习 ? 那么作者具体是如何做到的?

    1.7K120

    科技姚聪博士:深度学习时代的文字检测与识别技术 | AI 研习社 103 期大讲堂

    随后,科技在 TPAMI 2018 提出一个称之为 ASTER 的解决方案。由于文字存在倾斜、弯曲等问题,在识别阶段,检测也不一定是最理想的,这时需要分两步做识别。...未来趋势与潜在方向 根据自然场景文字检测与识别技术发展的现状,通过分析其未来趋势及潜在的研究方向,并结合深度学习时代的语境,科技把这一技术的未来挑战归结为 4 个方面: 多语言文字检测与识别 读取任意形态的文字...典型应用 在深度学习助力之下,文字检测与识别技术获得跃进式发展,在相关场景和行业获得广泛应用,比如科技人工智能开放平台 Face++ 提供卡片、证件文字识别 API 调用服务,给出卡片、证件、单据的通用框架解决方案...卡片、证件文字识别 ? 卡片、证件的文字识别一直是热门的行业需求,科技 Face++ 官网提供了 API 可供用户调用,用户只需上传图片,系统便会实时生成结果。...如果每个文字框架训练一种模型会耗费巨大的人力、物力、财力,显然并不划算。 ? TemplateOCR 是给出的解决方案。这是一种用于识别结构化卡片、证件、单据的通用框架,只需三步操作。

    1.8K20

    【场景文字识别】场景文字识别

    场景文字识别是在图像背景复杂、分辨率低下、字体多样、分布随意等情况下,将图像信息转化为文字序列的过程,可认为是一种特别的翻译过程:将图像输入翻译为自然语言输出。...场景图像文字识别技术的发展也促进了一些新型应用的产生,如通过自动识别路牌中的文字帮助街景应用获取更加准确的地址信息等。...在场景文字识别任务中,我们介绍如何将基于CNN的图像特征提取和基于RNN的序列翻译技术结合,免除人工定义特征,避免字符分割,使用自动学习到的图像特征,完成端到端地无约束字符定位和识别。...本例将演示如何用 PaddlePaddle 完成 场景文字识别 (STR, Scene Text Recognition) 。...任务如下图所示,给定一张场景图片,STR 需要从中识别出对应的文字"keep"。 ? 图 1. 输入数据示例 "keep" |2.

    21.2K70

    AI拓荒者的坎坷

    港交所上市委员会要求对此作出解释并补充相关材料。 科技IPO的出师不利,也让一众的股东纷纷退出。...同年,科技CEO印奇成为阿里巴巴湖畔大学的首批学员,马云也成为了他的老师。 从与阿里的暧昧关系中不难看出,科技能在云端人脸识别解决方案中取得如此优势的地位,其背后离不开阿里的助攻。...但是这也为提供了一次转变的机会。 从的角度出发,仅仅依靠提供人脸识别解决方案来盈利的单一模式并不理想。...按照2018年收入计算,已经成为中国最大的云端人脸识别身份验证解决方案供应商,尽管占据着超过60%的市场份额,却仅仅带来了1.2亿元的收入。...创立后,印奇赴美留学,在留学期间发现谷歌、Facebook等巨头都在下注人脸识别业务,随即将公司业务定位在面向企业和公司的计算机视觉方面,上线Face++平台并迎来了第一批客户。

    40840

    学界 | 、中科院在生物特征识别领域都有哪些研究成果?

    本期讲习班邀请有科技首席科学家孙剑,中科院研究员孙哲南、山世光、赫然、王亮,清华副教授冯建江、徐明星,中山大学教授郑伟诗等八位学者分别就人脸、虹膜、指纹、步态、音纹等人体特征的研究现状做了详细报告。...科技的首席科学家、研究院院长孙剑做了首场报告,在一个多小时的时间里孙剑主要介绍了他在视觉领域的一些核心工作。...孙剑博士在报告中介绍道他们计算机视觉的主要任务是理解图片,挖掘图片中的价值,例如人脸、动作、文字等。他将自己在视觉领域的核心工作分为分类检测、分割学习、区分学习,对图像层、区域层和像素层的识别。...冯建江:指纹识别现状与研究进展 ? 冯建江教授接着做了指纹识别的报告。他表示,指纹的唯一性和稳定性非常好。随着年龄的增长只会有些许变化,很适合用作识别。...冯建江教授强调目前指纹识别的难题有低质量指纹识别率太低、大数据库下识别率和效率需要提高、理论极限不清楚、伪指纹难识别、模板不安全等。 冯建江教授着重介绍了低质量指纹的识别问题。

    1K30

    首席孙剑:视觉计算前沿进展

    作者 | 蒋宝尚 编辑 | 丛末 5月8日上午,首席科学家、西交大人工智能学院院长孙剑博士在线做了一场“视觉计算的前沿进展”的报告,报告是由「信息技术新工科产学研联盟」主办的人工智能教育线上公开课...例如的动态 Channel-wise Mixture 就采用了此思想,增强了模型的拟合能力。...其中分类问题最著名的当属ImageNet,自2010年以来,每年度ImageNet大规模视觉识别挑战赛(ILSVRC),研究团队在给定的数据集上评估其算法,并在几项视觉识别任务中争夺更高的准确性。...基于计算机视觉-分类,也诞生了许多应用,例如人脸识别、机器人、医疗影像等等。 图注:基本的检测框架:1.输入图像;2.通过骨干网络得到候选框;3.候选框得出局部区域;4.通过检测头;5、得到结果。

    78120

    业界 | 高额融资「狂欢」背后的科技

    2017 年 10 月 31 日,中国人工智能创业公司科技 Face++ (下简称)宣布正式完成 C 轮 4.6 亿美金融资,本轮由中国国有资本风险投资基金(简称「国风投」)领投,蚂蚁金服、富士康集团联合领投...市场副总裁谢忆楠对机器之心说。 在早前的采访中,去年 7 月加入任首席科学家的孙剑也曾提到,公司已经向机器人行业提供硬件模组、内置算法。...科技联合创始人兼 CEO 印奇曾在公开场合表达过对行业发展环境的看法,「我们判断如果行业能够从人脸(的识别)部分(推进)到决策部分,从 2011 年算起至少需要十年,现在是我们创业的第六年,而我们最大的感觉是真实进展情况比我们预估的延长了一到两年时间...从 2015 年,开始涉足硬件推出了集成智能识别摄像头,完成软件到硬件的升级。截至目前,共生产物联网智能感知摄像头 6 款,智能物流机器人 1 款,赋能 25 家商用服务机器人识别能力。...而对而言,技术的发展路径则始终要遵循「4+2+X」,所谓「4+2+X」就是: 机器视觉领域四个最重要、最有商业价值的垂直门类:人脸识别、行人识别、车辆识别,以及文字识别; 「2」代表的是视觉和广义机器人的两个核心

    51590

    python屏幕文字识别_python识别图片文字

    思路如下: 手机屏幕投影到电脑上; 截图并识别图片文字; 调用百度来进行搜索; 提取html关键字。...环境配置:python3.6、第三方库:pyautogui、PIL、pytesseract、识别引擎tesseract-ocr 要识别中文,ocr引擎要下载一个中文包chi_sim放进Tesseract-OCR...”+str(x).rjust(4)+’,’+str(y).rjust(4) 4 print(posStr) 要获取两个坐标(截图开始坐标和结束坐标),然后利用获取的坐标运用如下代码截图并调用ocr引擎识别...(识别出来的字是每个用空格分开的,所以要去除字符串中的空格),代码如下: 1 from PIL importImage2 from PIL importImageGrab3 importpytesseract4...screenshots sucess”)10 11 text=pytesseract.image_to_string(Image.open(‘C:/imgSave/1.jpg’),lang=’chi_sim’) #调用识别引擎识别

    38K10

    专访副总裁彭广平:视为何选择收购艾瑞思?

    2018 年 5 月,艾瑞思被北京科技全资收购,彭广平担任北京科技有限公司副总裁,兼任北京艾瑞思机器人技术有限公司总经理,全面负责科技机器人业务整体运营管理。...问:目前有哪几大业务板块? 彭广平:目前有三大业务板块: 第一个业务板块是消费终端领域,尤其是在手机方向。...现在国内几大品牌里面,华为、小米、vivo、OPPO 等人脸识别解锁方案都是提供的,美图里面很多的算法也是提供的。 第二个方向是城市管理。...利用自身人工智能技术的积累,想在行业方面找一个非常深入的场景。我们现在找到了,就是仓储物流行业。对仓储物流领域投入还是非常大的,不管是人才,还是是研发。...想深入行业,我们也想往上走,刚好双方是互补,这就是和艾瑞思能够合在一起的原因。 问:从收购艾瑞思到现在,已经取得了哪些进展? 彭广平:我们已经有了很多技术方面的合作。

    1.2K20

    AI复杂场景的交通标志检测

    ---- 机器学习算法AI大数据技术 搜索公众号添加: datanlp长按图片,识别二维码 阅读过本文的人还看了以下文章: TensorFlow 2.0深度学习案例实战 基于40万表格数据集TableBank...《神经网络与深度学习》最新2018版中英PDF+源码 将机器学习模型部署为REST API FashionAI服装属性标签图像识别Top1-5方案分享 重要开源!...CNN-RNN-CTC 实现手写汉字识别 yolo3 检测出图像中的不规则汉字 同样是机器学习算法工程师,你的面试为什么过不了?...前海征信大数据算法:风险概率预测 【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目,让你掌握深度学习图像分类 VGG16迁移学习,实现医学图像识别分类工程项目 特征工程(一) 特征工程...2018秋招-算法工程师(共四面)通过 全球AI挑战-场景分类的比赛源码(多模型融合) 斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏) python+flask搭建CNN在线识别手写中文网站

    69940

    三星识别文字_免费文字识别

    百度通用文字识别服务的免费使用次数提升100倍,从每天500次提升至每天50000次;通用文字识别高精度版的免费使用次数提升10倍,从每天50次提升至每天500次。...目前业界通常按照接口调用次数收费,单个接口单次调用费从几分钱到几毛钱不等,百度永久免费开放通用文字识别及其他文字识别技术,实实在在为企业节约一笔不菲的支出。...现阶段已有大量企业将百度通用文字识别、身份证识别、银行卡识别、增值税发票识别、驾驶证识别、行驶证识别、网络图片文字识别、自定义模版文字识别等服务应用在实际业务中。...案例四:折800应用网络图片文字识别,实现高效图文反作弊 面对花样繁多的违规文字图片,折800希望用一款高效精准的 OCR 产品实现自动化的文字提取,完成自动审核。...百度网络图片文字识别产品,依托百度业界领先的 OCR 算法,进行整图文字检测、识别,并针对互联网图片中出现的艺术字体、复杂背景进行了专项优化,其产品特点刚好与折800的需求非常契合。

    22.7K30

    技术开放日,我玩跳绳测算法!

    相较普通传感器方案,运动猿小刚可有效判断违规,准确识别有绳或无绳。 具体表现如何? 小编直接亲自上场测试了一波:半分钟也就跳了100多下吧。...仰卧起坐产品则通过准确的骨骼点模型,支持仰卧起坐过程中的双手未抱头、双腿未屈膝、手肘未触碰膝盖等多种违规情况识别,准确记录运动过程中的真实数据,达到±1的计数要求。...立定跳远产品通过精确的人体骨骼点模型,可以准确判断脚部的各项动作,达到±1cm的精度,并可以识别过线、助跑等各类违规动作。...AI+IoT新时代 今年是成立第十一个年头,也是MegTech举办的第二年。 在技术开放日上,CEO印奇对这十一年来核心主旋律做了总结,那便是AIoT。...二是算法量产 在算法量产上,在过去一年里是如何做的? 回顾的算法生产的过程,经历了从点到线到面演进的过程。在MegTech  2021上,曾展示了其算法量产星空图。 ‍

    59220
    领券