参考：https://aistudio.baidu.com/education/lessonvideo/3279888

语种：常用字符36与常用汉字6623，区别。
标注：文本型位置/单字符位置，后者标注成本大
挑战：场景文字识别：字符大小、颜色、字体、亮度、对比度多样。文字模糊、排列不规则、文字残缺、遮挡
发展历程：两个阶段2015年前，后

在这里插入图片描述
数据集：

Synth90k,Synth Text
在这里插入图片描述
水平文本
在这里插入图片描述
（最后一个基本不用上）

在这里插入图片描述
在这里插入图片描述
识别方法：
在这里插入图片描述
传统方法：

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
GTC
在这里插入图片描述
在这里插入图片描述
文本不规则解决
在这里插入图片描述
在这里插入图片描述
TextScanner
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
NRTR
自注意力模型：
更适合长文本识别
在这里插入图片描述
SAR
1D变2D效果更好

在这里插入图片描述
语言信息、对其信息、视觉信息都有用上，就是会更慢一点

在这里插入图片描述
RobustScanner

在这里插入图片描述
在这里插入图片描述
CDistNet

在这里插入图片描述
在这里插入图片描述
并行注意力解码

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
visionLAN
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

小结：
在这里插入图片描述

Logo
技术共进，成长同行——讯飞AI开发者社区

技术共进，成长同行——讯飞AI开发者社区

更多推荐

上下文工程驱动智能体向 通用人工智能

例如在文章开头，我们举的产品经理和工程师之间的那一段对话，一个高质量智能体，不再只是让大模型回答用户的问题，而是通过上下文工程，帮助大模型在回答前获得更加结构化的输入，包括项目状态、需求文档、任务历史、甚至团队氛围，实现大模型更好的理解当前的任务规划、团队过往的沟通隐患、对方的工作状态与担忧、文档/知识库的实时状态等等。这和我们维护我们手机上内存很像，一开始所有应用和历史信息都保留，但当手机出现运

avatar 讯飞AI开发者社区
cover

第12章 多模态应用开发——让AI看懂世界

avatar 讯飞AI开发者社区
cover

【免费帮选题必过】2025年最新最全计算机毕业设计项目推荐，建议收藏，涉及到计算机专业，大数据专业，人工智能专业等，可免费帮大家选题并免费写开题报告✅✅✅

avatar 讯飞AI开发者社区