- 今天和大家一起学习文字识别中的语言模型。这是2018年发表在ACMMM的一篇论文，名为《Attention and Language Ensemble for Scene Text Recognition with Convolutional Sequence Modeling》。本文将会根据三个部分进行解读，分别是研究背景、算法模型的剖析、代码复现。 一、研究背景1.什么是场景文本识别场景... 今天和大家一起学习文字识别中的语言模型。这是2018年发表在ACMMM的一篇论文，名为《Attention and Language Ensemble for Scene Text Recognition with Convolutional Sequence Modeling》。本文将会根据三个部分进行解读，分别是研究背景、算法模型的剖析、代码复现。 一、研究背景1.什么是场景文本识别场景...
- 在通用目标检测算法，空洞卷积能有效地提升网络的感受野，进而提升算法的性能。本次解读的文章提出了一种空洞卷积变体及对应的空洞卷积搜索方法，充分探索空洞卷积的潜力，进一步提升网络模型的性能。 在通用目标检测算法，空洞卷积能有效地提升网络的感受野，进而提升算法的性能。本次解读的文章提出了一种空洞卷积变体及对应的空洞卷积搜索方法，充分探索空洞卷积的潜力，进一步提升网络模型的性能。
- 视频OCR（Video Optical Character Recognition）用于识别视频中出现的中英文字、繁简体文字、数字等内容，包括字幕、弹幕，以及部分自然场景文字、竖直文字和艺术字。通过自动分析视频中出现的文字内容，可以识别并提取违规或者关键信息。随着数字电视的不断推广和普及，对媒介管理的有效监控对于保障出品的质量和安全具有重要的作用。 视频OCR（Video Optical Character Recognition）用于识别视频中出现的中英文字、繁简体文字、数字等内容，包括字幕、弹幕，以及部分自然场景文字、竖直文字和艺术字。通过自动分析视频中出现的文字内容，可以识别并提取违规或者关键信息。随着数字电视的不断推广和普及，对媒介管理的有效监控对于保障出品的质量和安全具有重要的作用。
- ModelArts Pro提供了文字识别套件，基于丰富的文字识别算法和行业知识积累，帮助客户快速构建满足不同业务场景需求的文字识别服务。三分钟即可快速定制OCR服务，实现多种版式图像的文字信息结构化提取。 ModelArts Pro提供了文字识别套件，基于丰富的文字识别算法和行业知识积累，帮助客户快速构建满足不同业务场景需求的文字识别服务。三分钟即可快速定制OCR服务，实现多种版式图像的文字信息结构化提取。
- 本期精彩看点：文字识别关键信息提取的3种深度学习新模型都有哪些？ MindSpore开源周年狂欢，量子机器学习与深度分子模拟等巨量新特性来袭，发布新开源TinyMS工具包！大神给你解读Redis是个啥？聊聊分布式异步对象存储？ 本期精彩看点：文字识别关键信息提取的3种深度学习新模型都有哪些？ MindSpore开源周年狂欢，量子机器学习与深度分子模拟等巨量新特性来袭，发布新开源TinyMS工具包！大神给你解读Redis是个啥？聊聊分布式异步对象存储？
- 从文档中提取结构化的关键信息，为文档自动化处理提供了基础，成为日益增加的业务需求。近年来，利用文档图片中的视觉、上下文等信息来进行文档的关键信息提取受到学术界和工业界的广泛关注。 从文档中提取结构化的关键信息，为文档自动化处理提供了基础，成为日益增加的业务需求。近年来，利用文档图片中的视觉、上下文等信息来进行文档的关键信息提取受到学术界和工业界的广泛关注。
- 本文介绍几篇关于自然场景下文字擦除的论文工作。 本文介绍几篇关于自然场景下文字擦除的论文工作。
- 当前的文本行识别器为拥有更强的序列语义能力，模型多采用CNN + RNN的结构，如目前使用十分广泛的两个识别器CRNN和Aster，这些模型取得了非常好的效果。然而由于RNN只能采用串行计算，在目前大量采用并行计算设备的前提下，RNN面临着明显的速度瓶颈。而Transformer模型基于Attention实现，该操作可并行实现，因此该模型具有良好的并行性。 当前的文本行识别器为拥有更强的序列语义能力，模型多采用CNN + RNN的结构，如目前使用十分广泛的两个识别器CRNN和Aster，这些模型取得了非常好的效果。然而由于RNN只能采用串行计算，在目前大量采用并行计算设备的前提下，RNN面临着明显的速度瓶颈。而Transformer模型基于Attention实现，该操作可并行实现，因此该模型具有良好的并行性。
- 在完成语音助手项目后，我尝试了HarmonyOS Next API 13中的Core Vision Text Recognition API，体验其强大的文本识别功能。该API支持多语言高精度识别，能快速将图像中的文本提取为结构化信息，适用于文档扫描、票据管理和实时翻译等场景。通过权限配置、初始化服务、实现识别功能和构建用户界面，我完成了文本识别应用的开发，并探索了性能优化与功能扩展。鸿蒙生态的强 在完成语音助手项目后，我尝试了HarmonyOS Next API 13中的Core Vision Text Recognition API，体验其强大的文本识别功能。该API支持多语言高精度识别，能快速将图像中的文本提取为结构化信息，适用于文档扫描、票据管理和实时翻译等场景。通过权限配置、初始化服务、实现识别功能和构建用户界面，我完成了文本识别应用的开发，并探索了性能优化与功能扩展。鸿蒙生态的强
- 鸿蒙原生AI能力之文本识别 原生智能介绍在之前开发中，很多场景我们是通过调用云端的智能能力进行开发。例如文本识别、人脸识别等。原生即指将一些能力直接集成在本地鸿蒙系统中，通过不同层次的AI能力开放，满足开发者的不同场景下的诉求，降低应用开发门槛，帮助开发者快速实现应用智能化 有哪些原生智能能力基础视觉服务基础语音服务端侧模型部署端侧推理意图框架… 基础视觉服务 - Core Vision ... 鸿蒙原生AI能力之文本识别 原生智能介绍在之前开发中，很多场景我们是通过调用云端的智能能力进行开发。例如文本识别、人脸识别等。原生即指将一些能力直接集成在本地鸿蒙系统中，通过不同层次的AI能力开放，满足开发者的不同场景下的诉求，降低应用开发门槛，帮助开发者快速实现应用智能化 有哪些原生智能能力基础视觉服务基础语音服务端侧模型部署端侧推理意图框架… 基础视觉服务 - Core Vision ...
- 小白也能用 小白也能用
- 前言大家有使用过.NET开发过OCR工具吗？今天给大家推荐一个基于百度飞桨封装的.NET版本OCR工具类库：PaddleOCRSharp。OCR工具有什么用？OCR（Optical Character Recognition）工具可以将图像或扫描文件中的文本内容转换成可编辑的文本格式。这项技术可以帮助人们快速准确地将扫描文件、图片中的文字提取出来，从而进行编辑、存储和分析。百度飞桨Paddl... 前言大家有使用过.NET开发过OCR工具吗？今天给大家推荐一个基于百度飞桨封装的.NET版本OCR工具类库：PaddleOCRSharp。OCR工具有什么用？OCR（Optical Character Recognition）工具可以将图像或扫描文件中的文本内容转换成可编辑的文本格式。这项技术可以帮助人们快速准确地将扫描文件、图片中的文字提取出来，从而进行编辑、存储和分析。百度飞桨Paddl...
- @[toc] 摘要https://arxiv.org/pdf/2308.13418.pdfhttps://github.com/facebookresearch/nougatnougat：你们能识别的，我可以识别，你们不能识别的，我也可以识别，Meta出品，大厂背景！这就是nougat！！！ 切页试用了一番nougat，很强！很牛！但是也很耗显存，为了省显存，只能先做点处理，首先将PDF文档... @[toc] 摘要https://arxiv.org/pdf/2308.13418.pdfhttps://github.com/facebookresearch/nougatnougat：你们能识别的，我可以识别，你们不能识别的，我也可以识别，Meta出品，大厂背景！这就是nougat！！！ 切页试用了一番nougat，很强！很牛！但是也很耗显存，为了省显存，只能先做点处理，首先将PDF文档...
- 解决问题使用pytesseract出现错误：“[WinError 2] 系统找不到指定的文件”在使用pytesseract的过程中，有时候会遇到“[WinError 2] 系统找不到指定的文件”这个错误。这个错误通常是由于tesseract路径配置不正确导致的。下面是解决此问题的步骤：步骤一：安装Tesseract OCR首先，确保你已经安装了Tesseract OCR。可以从Tessera... 解决问题使用pytesseract出现错误：“[WinError 2] 系统找不到指定的文件”在使用pytesseract的过程中，有时候会遇到“[WinError 2] 系统找不到指定的文件”这个错误。这个错误通常是由于tesseract路径配置不正确导致的。下面是解决此问题的步骤：步骤一：安装Tesseract OCR首先，确保你已经安装了Tesseract OCR。可以从Tessera...
- 前言在2023年的第十二届中国智能产业高峰论坛上，合合信息副总经理和高级工程师丁凯博士为我们带来了一场精彩的演讲，分享了关于文档大模型的最新研究成果以及对未来的展望。合合信息是一家领先的人工智能和大数据科技企业，以其创新的智能文字识别和商业大数据解决方案而闻名。本文将介绍丁凯博士在大会上的演讲内容，涵盖了文档图像分析、识别、以及大模型在这一领域的应用和挑战。让我们一起深入了解，探索文档大模型... 前言在2023年的第十二届中国智能产业高峰论坛上，合合信息副总经理和高级工程师丁凯博士为我们带来了一场精彩的演讲，分享了关于文档大模型的最新研究成果以及对未来的展望。合合信息是一家领先的人工智能和大数据科技企业，以其创新的智能文字识别和商业大数据解决方案而闻名。本文将介绍丁凯博士在大会上的演讲内容，涵盖了文档图像分析、识别、以及大模型在这一领域的应用和挑战。让我们一起深入了解，探索文档大模型...
上滑加载中
推荐直播
-
探秘仓颉编程语言：华为开发者空间的创新利器2025/02/22 周六 15:00-16:30
华为云讲师团
本期直播将与您一起探秘颉编程语言上线华为开发者空间后，显著提升开发效率，在智能化开发支持、全场景跨平台适配能力、工具链与生态完备性、语言简洁与高性能特性等方面展现出的独特优势。直播看点： 1.java转仓颉的小工具 2.仓颉动画三方库lottie 3.开发者空间介绍及如何在空间用仓颉编程语言开发
即将直播 -
大模型Prompt工程深度实践2025/02/24 周一 16:00-17:30
盖伦 华为云学堂技术讲师
如何让大模型精准理解开发需求并生成可靠输出？本期直播聚焦大模型Prompt工程核心技术：理解大模型推理基础原理，关键采样参数定义，提示词撰写关键策略及Prompt工程技巧分享。
去报名 -
华为云 x DeepSeek：AI驱动云上应用创新2025/02/26 周三 16:00-18:00
华为云 AI专家大咖团
在 AI 技术飞速发展之际，DeepSeek 备受关注。它凭借哪些技术与理念脱颖而出？华为云与 DeepSeek 合作，将如何重塑产品与应用模式，助力企业数字化转型？在华为开发者空间，怎样高效部署 DeepSeek，搭建专属服务器？基于华为云平台，又该如何挖掘 DeepSeek 潜力，实现智能化升级？本期直播围绕DeepSeek在云上的应用案例，与DTSE布道师们一起探讨如何利用AI 驱动云上应用创新。
去报名
热门标签