Pipeline:整体流程，输入图片先进行一个基于YOLOv2 的全卷积网络，然后经过RPN网络，输出经过NMS过滤后的ROI边框，然后根据该边框在最后一层卷积层上通过类似于STN的方式映射出高度固定的patch块。然后基于ctc进行识别。再根据识别的结果进行NMS过滤，得到最终结果。这里在训练的时候，只取预测边框和targets的IOU最大的边框进行loss计算。而在测试的时候，如果也这样做，会
整理了一下自己之前做过的手写字符识别的资料，分享出来供大家学习交流，后续可能还会分享一些其他方法进行手写字符识别的资料，敬请期待~一、任务和设计思路二、KNN算法实现1、KNN算法简介2、简单的KNN代码3、使用sklearn的KNN分类器4、Kd_tree介绍（1）Kd_tree的构造（2）Kd_tree的查询 一、任务和设计思路目的是要对手写字符的图片进行识别， 使用的是Chars74K 数
转载
2024-09-02 14:54:24
40阅读
进行图片文字识别，相信大家都知道，在工作中我们经常会收到上级给我们的文件，其中肯定是有图片文件的，面对整理图片信息大家的方法是什么呢？下面小编就给大家介绍一个简单图片文字识别的步骤，以后再实现图片文字识别的时候，再也不用打字的方式实现了。使用工具：迅捷OCR文字识别工具；操作方法：快速实现图片文字识别的步骤进行图片文字识别，相信大家都知道，在工作中我们经常会收到上级给我们的文件，其中肯定是有图片文
转载
2024-07-16 09:59:39
46阅读
文字检测是AI的一项重要应用，在之前的文章中已经介绍过了几种基于深度学习的文字检测模型：CTPN、SegLink、EAST，这些模型主要依赖于深度学习，可应用于自然场景中进行文字检测，其主要的实现步骤是判断是不是文本，并且给出文本框的位置和角度，如下图：从上图可以看出，CTPN、SegLink、EAST等文字检测模型至少需要执行两个预测：通过分类判断是文本/非文本，通过回归确定边界框的位置和角度。
转载
2024-05-30 13:33:41
114阅读
中文任务：字符分割（word segmentation，中文分词）--> 字符嵌入（word embedding）（向量化）--> 词性标注（高阶层特征）--> 实体识别英文任务：词干抽取（Stemming） --> 词形还原（Lemmatisation）--> 词嵌入（Word Embeddings）--> 词性标注（Part
转载
2023-10-05 14:35:04
87阅读
效果完整Dem
原创
2023-05-11 11:14:56
982阅读
导语文字识别在现实场景中的用途非常广泛，现在已经有很多公司将这项技术用于实际中。比如车牌识别，图片转换成文档，拍照搜题，拍照翻译等。这让很多人有了错觉，感觉文字识别的技术已经炉火纯青，可以广泛应用。其实不然，车牌识别里面字体和字的类型比较单一，并且有一些矩形等辅助的特征。而拍照翻译的图片一般是文档类型，较容易识别，但也有不小的错误率。文字识别的首要问题是找到文字，其次才是识别。而在自然
转载
2024-08-09 15:31:35
89阅读
高频交易中，我们通常首先基于tick级的报价信息和交易信息来生成信号量，然后将这些信号量转化成离散的买卖信号，譬如说 1 (买入)， 0 (不变)， -1(卖出)，接着根据资金和已有头寸以及其他优化规则来生成订单发送到交易系统。本文要讨论第二个步骤，即如何将信号量转化成离散的买卖信号，也就是把一个浮点数类型的数组signal转化成一个取值为1，0或-1的整型数组direction。如果转化规则简单
文字检测是文字识别过程中的一个非常重要的环节，文字检测的主要目标是将图片中的文字区域位置检测出来，以便于进行后面的文字识别，只有找到了文本所在区域，才能对其内容进行识别。文字检测的场景主要分为两种，一种是简单场景，另一种是复杂场景。其中，简单场景的文字检测较为简单，例如像书本扫描、屏幕截图、或者清晰度高、规整的照片等；而复杂场景，主要是指自然场景，情况比较复杂，例如像街边的广告牌、产品包装盒、设备
转载
2024-05-21 17:10:37
55阅读
# 自然语言处理中的文字识别
文字识别（Optical Character Recognition, OCR）是将图像中的文字信息转化为可编辑文本的一种技术。随着计算机视觉和自然语言处理（NLP）的快速发展，OCR技术的应用愈加广泛，包括文档数字化、车牌识别、票据处理等场景。本文将探讨OCR的基本原理，并通过代码示例展示其实现过程。
## 文字识别的基本原理
文字识别的基本过程可以分为几个关
坐落在北京西山凤凰岭山脚下的龙泉寺，可以称得上是全国甚至全球科研实力最强的佛教寺庙。寺内高僧们搞科研、写代码，将佛学与新技术相结合，成果不断，持续被外界关注着。在汉传佛教的两千多年里，历朝历代都对《大藏经》进行翻译、增补、修订，为了使人们阅读古文典籍更加便捷，同时提高学者的工作效率，龙泉寺在整理和校勘的《大藏经》时，运用了包括深度学习、OCR、NLP在内的现代技术来改变传统《大藏经》的解读方式。例
转载
2023-10-08 23:14:37
101阅读
作者 | 王嘉宁 整理 | NewBeeNLP大家好，这里是NewBeeNLP。中文拼写纠错在搜索引擎、问答系统中作为入口模块，对其有着至关重要的作用。拼写纠错，即，给定一个自然语言的句子，识别出其中出错的汉字或词语，并对其进行纠正。如下所示， 今天分享来自复旦大学的论文论文：SpellBERT：A Lightweight Pretrained
# NLP中文文本清理教程
## 概述
在自然语言处理（NLP）中，文本清理是非常重要的一步。清理文本可以去除噪音、符号等无用信息，使得文本更加干净，有利于后续的文本处理和分析。本文将教你如何在中文文本中进行清洗操作。
### 流程图
```mermaid
pie
title 文本清理流程
"加载文本" : 30
"去除停用词" : 20
"分词" : 15
"去除标点符号
原创
2024-05-09 06:05:55
229阅读
在读书的时候，小伙伴们有没有遇到过上课匆匆忙忙只带了手机赶早八的时候呢？还好带了手机可以把这节课的重点拍照下来课后再整理记录起来。当然课堂上需要整理的内容没有很多的话，就可以简单的照着图片抄就好，那如果遇到这节课正好是在讲重点的时候，就让人头疼了，我在这个时候就希望有一个自动识别图片文字的方法解放颤抖的手，想知道自动识别图片文字有哪些方法吗？那就接着看下去吧。方法一、使用搜狗输入法来识别简介：搜狗
各位人工智能爱好者，大家好！由TinyMind发起的 #第一届汉字书法识别挑战赛# 正在火热进行中，比赛才开始3周，已有数只黑马冲进榜单。目前TOP54全部为90分以上!可谓竞争激烈，高手如林。不是比赛太简单，是大佬们太厉害了啊！查看榜单本次比赛主要是以学习交流为目的，吸引了不少萌新们报名参赛~虽是入门级别的赛题，对于没动手实战过的同学，还是有些不知所措。为此TinyMind特邀战场中奋勇拼搏的三
Tesseract最初由惠普实验室支持，用于电子版文字识别，1996年被移植到Windows上，1998年
原创
2022-12-13 20:22:38
513阅读
感谢 @顾颜兮 提到的一个比赛。这个是另外一个比赛，https://sites.google.com/view/nlptea2018，简称CGED吧。从数据上看，两个比赛都是非母语环境。CGED的比赛我测试了2017年的SOTA，距离实际使用还有很远的距离。比赛比的是相对优势而非绝对优势。首先关键在于定义要识别的错误类型。CGED的比赛定义了四种错误类型，多词，少词，错词和词序不当。我们自己做的应
1. CRNN 算法的背景传统的OCR在识别过程中分为两步：单字切割与分类任务。我们一般都会讲一连串文字的文本文件先利用投影法切割出单个字体，再送入CNN里进行文字分类。但是此法已经有点过时了，现在更流行的是基于深度学习的端到端的文字识别，即我们不需要显式加入文字切割这个环节，而是将文字识别转化为序列学习问题，虽然输入的图像尺度不同，文本长度不同，但是经过CNN和RNN后，在输出阶段经过一定的翻译
转载
2023-08-15 16:22:15
351阅读
image caption和NLP中的注意力机制最近在学习有关image caption（图像描述）的内容，记录下学习内容和思考，以便后续学习。本文参考了很多大神的笔记和论文。如何理解Image caption自然语言翻译是输入输出都为句子，而对于image caption 是输入为图像，输出为图像的语言描述。Natural image captioning,发展至今主要有三种方法：retriev
# 自然语言处理中的中文识别
随着人工智能技术的快速发展，自然语言处理（NLP）逐渐成为了热门研究领域。在这个领域中，中文识别尤为重要，因为中文的语法和结构与其他语言有很大不同。本文将介绍中文识别的基本概念，并给出相关的代码示例。
## 什么是中文识别？
中文识别通常指的是通过机器学习与深度学习技术，自动识别和处理中文文本的能力。它涵盖了多个任务，包括分词、实体识别、情感分析等。例如，当我们
