論文の概要: Framework and Model Analysis on Bengali Document Layout Analysis Dataset: BaDLAD

• arxiv url: http://arxiv.org/abs/2309.16700v1
• Date: Tue, 15 Aug 2023 07:52:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 06:01:03.844180
• Title: Framework and Model Analysis on Bengali Document Layout Analysis Dataset: BaDLAD
• Title（参考訳）: Bengaliドキュメントレイアウト分析データセットのフレームワークとモデル解析: BaDLAD
• Authors: Kazi Reyazul Hasan (1), Mubasshira Musarrat (1), Sadif Ahmed (1) and Shahriar Raj (1) ((1) Bangladesh University of Engineering and Technology)
• Abstract要約: 本研究では,先進的なコンピュータプログラムである Detectron2, YOLOv8, SAM を用いた Bengali Document Layouts の理解に焦点を当てた。 それらの精度と速度を比較することで、どの文書が異なる種類の文書に適しているかを学習した。
• 参考スコア（独自算出の注目度）: 0.7925493098304448
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study focuses on understanding Bengali Document Layouts using advanced computer programs: Detectron2, YOLOv8, and SAM. We looked at lots of different Bengali documents in our study. Detectron2 is great at finding and separating different parts of documents, like text boxes and paragraphs. YOLOv8 is good at figuring out different tables and pictures. We also tried SAM, which helps us understand tricky layouts. We tested these programs to see how well they work. By comparing their accuracy and speed, we learned which one is good for different types of documents. Our research helps make sense of complex layouts in Bengali documents and can be useful for other languages too.
• Abstract（参考訳）: 本研究では,高度なコンピュータプログラムである Detectron2, YOLOv8, SAM を用いた Bengali Document Layouts の理解に焦点を当てた。 私たちは研究でさまざまなベンガルの文書を調べました。 Detectron2はテキストボックスや段落など,ドキュメントのさまざまな部分の検出と分離に優れています。 YOLOv8は、さまざまなテーブルや写真を見つけるのが得意です。 SAMも試しましたが、面倒なレイアウトを理解するのに役立ちました。 私たちはこれらのプログラムをテストして、どのように機能するかを確認しました。 それらの精度と速度を比較することで、どの文書が異なる種類の文書に適しているかを学習した。 我々の研究はベンガル語の文書の複雑なレイアウトを理解するのに役立ち、他の言語にも役立ちます。

関連論文リスト

• OmniCorpus: A Unified Multimodal Corpus of 10 Billion-Level Images Interleaved with Text [112.60163342249682]
  我々は100億規模の画像テキストインターリーブデータセットであるOmniCorpusを紹介する。 私たちのデータセットは、優れたデータ品質を維持しながら、15倍のスケールを持っています。 これが将来のマルチモーダルモデル研究に確かなデータ基盤を提供することを期待しています。
  論文  参考訳（メタデータ） (2024-06-12T17:01:04Z)
• What's In My Big Data? [67.04525616289949]
  大規模なテキストコーパスの内容を明らかにするためのプラットフォームと16の分析セットであるWIMBD(What's In My Big Data?)を提案する。 WIMBDは2つの基本的な機能 – カウントとサーチ – を大規模に構築することで,標準的な計算ノード上で35テラバイト以上を解析することが可能になります。 これらのコーパスについて, 重複, 合成, 品質の低下など, 意外かつ未発表の発見がいくつか見出された。
  論文  参考訳（メタデータ） (2023-10-31T17:59:38Z)
• Bengali Document Layout Analysis with Detectron2 [0.0]
  文書レイアウト分析では、文書をテキストボックス、段落、画像、テーブルなどの意味のある単位に分割する。 我々は, ベンガル語文書のDLAモデルの精度を, Detectron2ライブラリで利用可能な高度なMask R-CNNモデルを用いて改善した。 その結果,ベンガル語の文書を正確に分類する上で,これらのモデルの有効性が示された。
  論文  参考訳（メタデータ） (2023-08-26T05:29:09Z)
• Performance Enhancement Leveraging Mask-RCNN on Bengali Document Layout Analysis [0.0]
  DL Sprint 2.0コンペティションでは、Banglaドキュメントの理解に取り組んだ。 多数のサンプルでBaDLADというデータセットを使用しました。 私たちはこの理解を支援するために、Mask R-CNNと呼ばれる特別なモデルをトレーニングしました。
  論文  参考訳（メタデータ） (2023-08-21T06:51:58Z)
• Document Layout Annotation: Database and Benchmark in the Domain of Public Affairs [62.38140271294419]
  レイアウトラベルの異なるデジタル文書を半自動アノテートする手法を提案する。 スペイン政府から24データソースの集合を用いて,行政領域におけるDLAの新しいデータベースを収集する。 実験の結果,提案したテキストラベリング手順を99%の精度で検証した。
  論文  参考訳（メタデータ） (2023-06-12T08:21:50Z)
• Are Layout-Infused Language Models Robust to Layout Distribution Shifts? A Case Study with Scientific Documents [54.744701806413204]
  近年の研究では、レイアウト機能を言語モデル(LM)に注入することで、科学論文などの視覚に富んだ文書の処理が改善されている。 レイアウトを注入したLMがレイアウト分布シフトに対して堅牢であるかどうかを検証する。
  論文  参考訳（メタデータ） (2023-06-01T18:01:33Z)
• BaDLAD: A Large Multi-Domain Bengali Document Layout Analysis Dataset [1.2015699532079325]
  このデータセットには、6つのドメインから33,695人の注釈付き文書サンプルが含まれている。 深層学習に基づくベンガル文書モデルのトレーニングにおけるデータセットの有効性を示す。
  論文  参考訳（メタデータ） (2023-03-09T15:15:55Z)
• Sentiment analysis in Bengali via transfer learning using multi-lingual BERT [0.9883261192383611]
  本稿では,ベンガルで手動でタグ付けされた2クラスと3クラスのSAデータセットを提示する。 また、関連する拡張を伴う多言語BERTモデルが、転送学習のアプローチによって訓練可能であることも実証した。 この深層学習モデルは,現在最先端の68%と比較して,2階級の感情分類において71%の精度を達成している。
  論文  参考訳（メタデータ） (2020-12-03T10:21:11Z)
• Learning Contextualised Cross-lingual Word Embeddings and Alignments for Extremely Low-Resource Languages Using Parallel Corpora [63.5286019659504]
  そこで本稿では,小さな並列コーパスに基づく文脈型言語間単語埋め込み学習手法を提案する。 本手法は,入力文の翻訳と再構成を同時に行うLSTMエンコーダデコーダモデルを用いて単語埋め込みを実現する。
  論文  参考訳（メタデータ） (2020-10-27T22:24:01Z)
• Anubhuti -- An annotated dataset for emotional analysis of Bengali short stories [2.3424047967193826]
  アヌブティはベンガルの短編小説の著者が表現した感情を分析するための最初の、そして最大のテキストコーパスである。 本稿では,データ収集手法,手作業によるアノテーション処理,そして結果として生じるハイアノテータ間の合意について説明する。 我々は、ベースライン機械学習と感情分類のためのディープラーニングモデルを用いて、データセットの性能を検証した。
  論文  参考訳（メタデータ） (2020-10-06T22:33:58Z)
• DocBank: A Benchmark Dataset for Document Layout Analysis [114.81155155508083]
  文書レイアウト解析のための詳細なトークンレベルのアノテーションを備えた500Kドキュメントページを含むベンチマークデータセットである textbfDocBank を提示する。 実験の結果,DocBankでトレーニングされたモデルは,さまざまなドキュメントのレイアウト情報を正確に認識することがわかった。
  論文  参考訳（メタデータ） (2020-06-01T16:04:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。