Video Experimental Relacionado
Updated: Jun 19, 2026
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.3K
Detección y reconocimiento de texto bilingüe urdu e inglés en imágenes de escenas naturales utilizando una
Khadija Tul Kubra1, Muhammad Umair1, Muhammad Zubair2
1Faculty of Information Technology and Computer Science, University of Central Punjab, Lahore 54000, Pakistan.
Sensors (Basel, Switzerland)
|August 28, 2025
Resumen
Este estudio introduce una nueva tubería para detectar y reconocer texto bilingüe en urdu e inglés en escenas naturales complejas. Los modelos desarrollados logran una alta precisión tanto para el reconocimiento de caracteres como de palabras, lo que ayuda a aplicaciones como la navegación autónoma.
Área de la Ciencia:
- Visión por computadora
- Procesamiento del lenguaje natural
- Inteligencia artificial
Sus antecedentes:
- El texto en urdu e inglés en espacios públicos (carteles, navegación) es crucial para aplicaciones como la traducción y los sistemas autónomos.
- La investigación existente carece de conjuntos de datos completos y métodos efectivos para la detección y el reconocimiento de textos bilingües en escenas naturales.
Objetivo del estudio:
- Proponer una nueva tubería para la detección y el reconocimiento robusto de texto en urdu e inglés (bilingüe) en imágenes complejas de escenas naturales.
- Abordar las limitaciones de estudios anteriores mediante la creación y el aumento de un conjunto de datos bilingües para mejorar la formación de modelos.
Principales métodos:
- Una tubería que combina una red neuronal convolucional personalizada (CNN) para la extracción de características y una red neuronal recurrente (RNN) para el aprendizaje de características.
- Se empleó la Clasificación Temporal Conexionista (CTC) para el reconocimiento preciso del texto.
- Se utilizaron técnicas de aumento de conjuntos de datos para mejorar un conjunto de datos unilingüe en uno bilingüe.
Principales resultados:
- Los modelos propuestos alcanzaron altas precisiones promedio: 98.5% para el reconocimiento de caracteres en urdu, 97.2% para el reconocimiento de palabras en urdu y 99.2% para el reconocimiento de caracteres en inglés.
- Los estudios de ablación confirmaron la eficacia de los componentes del modelo.
- La tubería demostró un rendimiento superior en comparación con los métodos de detección y reconocimiento de texto existentes.
Conclusiones:
- La tubería de detección y reconocimiento de texto bilingüe desarrollada es efectiva para escenas naturales complejas.
- La alta precisión alcanzada por los modelos apoya su aplicación en escenarios del mundo real, como vehículos autónomos y navegación mejorada.
