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
数据集:
Synth90k,Synth Text
水平文本
(最后一个基本不用上)
识别方法:
传统方法:
GTC
文本不规则解决
TextScanner
NRTR
自注意力模型:
更适合长文本识别
SAR
1D变2D效果更好
语言信息、对其信息、视觉信息都有用上,就是会更慢一点
RobustScanner
CDistNet
并行注意力解码
visionLAN
小结: