arXiv · NLP· Faizan Iqbal, Haq Nawaz Malik, Hafsah Pervaiz·· 17 天前AI 评分36
面向低资源文字的数据中心化框架:从零构建 OCR
From Zero to OCR: A Data-Centric Framework for Unsupported Low-Resource Scripts
AI 导读
该数据中心化框架利用未标注文本语料和数字字体,无需人工标注图像即可为低资源文字构建端到端 OCR 系统。 在克什米尔语(Perso-Arabic Nastaliq 文字)演示中,系统基于 YOLOv8 检测器和 CNN-RNN 识别器,在留出词集上达到 0.39% 字符错误率(CER),在数字页面合成数据上为 10.0%。
来源:arXiv · NLP · arxiv.org