在摄像头中检测到巴什图文字和图形,使用深度学习模型捕获了巴什图文档图像
Khan Bahadar1, Riaz Ahmad1, Khursheed Aurangzeb2
1Department of Computer Science, Shaheed Benazir Bhutto University, Sheringal, Pakistan.
PeerJ. Computer science
|August 15, 2024
概括
这项研究引入了一种新的深度学习方法,用于分析巴什图文档图像,准确检测文本和图形. 它提供了一个新的数据集,并实现了84.90%的mAP,为代表性不足的语言推进了文档图像分析.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 布局分析对于文档图像分析 (DIA) 来说至关重要,但对于巴什图文档来说未被充分探索.
- 现有的DIA系统缺乏针对普什图文本和图形的特定模型.
- 普什图文档的独特视觉特征带来了一个重大挑战.
研究的目的:
- 开发基于深度学习的分类器,用于检测文档图像中的巴什图文本和图形.
- 为研究和开发创建一个新的,现实世界的普什托文档数据集.
- 为了建立巴什图文档布局分析的基准.
主要方法:
- 开发一种深度学习分类器,使用一种更快的R-CNN变体,特别是单射击探测器 (SSD).
- 创建一个新的数据集,包括超过1000个摄像机捕获的普什图文档图像.
- 卷积神经网络 (CNN) 的应用用于特征提取和分类.
主要成果:
- 在300张巴什图文档图像的测试组上,获得了84.90%的平均平均精度 (mAP).
- 成功证明了能够区分巴什图文本和图形元素的能力.
- 验证了拟议的基于SSD的深度学习模型的有效性,用于巴什图文档布局分析.
结论:
- 拟议的深度学习模型有效地对普什图文档进行布局分析,这是以前未经探索的领域.
- 新创建的普什图文档数据集是DIA未来研究的宝贵资源.
- 这项工作为低资源语言的文档图像分析领域做出了重大贡献.
