文件名称：深度文本识别基准：具有深度学习方法的文本识别（光学字符识别）
文件大小：2.59MB
文件格式：ZIP
更新时间：2024-02-26 03:34:27
ocr recognition deep-learning text-recognition rosetta
场景文本识别模型比较有什么问题？ 数据集和模型分析 | | | | | 我们的四阶段STR框架的官方PyTorch实施，大多数现有的STR模型都适用于该框架。 在一组一致的训练和评估数据集下，使用此框架可以在准确性，速度和内存需求方面对模块性能做出贡献。 这样的分析消除了当前比较中的障碍，以了解现有模块的性能提升。 资质荣誉 基于此框架，我们记录了的第一名， 和 ， 。 总结我们的论文和ICDAR挑战之间的区别。 更新 2020年8月3日：添加该复制了本文的CTC结果。 2019年12月27日：在我们的论文中添加了 ，并进行了次要更新，例如log_dataset.txt和 。 2019年1
【文件预览】：
deep-text-recognition-benchmark-master
----figures()
--------failure-case.jpg(516KB)
--------trade-off.png(1.2MB)
----train.py(15KB)
----test.py(13KB)
----modules()
--------sequence_modeling.py(746B)
--------feature_extraction.py(10KB)
--------prediction.py(4KB)
--------transformation.py(8KB)
----utils.py(6KB)
----model.py(4KB)
----demo.ipynb(780KB)
----dataset.py(13KB)
----demo.py(6KB)
----LICENSE.md(11KB)
----README.md(14KB)
----demo_image()
--------demo_3.png(175KB)
--------demo_10.jpg(43KB)
--------demo_8.jpg(14KB)
--------demo_9.jpg(149KB)
--------demo_4.png(86KB)
--------demo_6.png(9KB)
--------demo_7.png(25KB)
--------demo_2.jpg(7KB)
--------demo_5.png(44KB)
--------demo_1.png(19KB)
----.gitignore(3KB)
----create_lmdb_dataset.py(3KB)