論文の概要: Hespi: A pipeline for automatically detecting information from hebarium specimen sheets

• arxiv url: http://arxiv.org/abs/2410.08740v2
• Date: Wed, 09 Jul 2025 03:54:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-10 17:37:43.26628
• Title: Hespi: A pipeline for automatically detecting information from hebarium specimen sheets
• Title（参考訳）: Hespi: Hebarium検体シートからの情報を自動的に検出するパイプライン
• Authors: Robert Turnbull, Emily Fitzgerald, Karen Thompson, Joanne L. Birch,
• Abstract要約: Hespiはハーバリウム標本の一次標本ラベルから前白内障データを抽出する。 ラベルを印刷、タイプ、手書き、または混合に分類する。 Hespiは、国際草原の標本シートからテキストを正確に検出し、抽出する。
• 参考スコア（独自算出の注目度）: 6.749750044497731
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Specimen-associated biodiversity data are crucial for biological, environmental, and conservation sciences. A rate shift is needed to extract data from specimen images efficiently, moving beyond human-mediated transcription. We developed `Hespi' (HErbarium Specimen sheet PIpeline) using advanced computer vision techniques to extract pre-catalogue data from primary specimen labels on herbarium specimens. Hespi integrates two object detection models: one for detecting the components of the sheet and another for fields on the primary primary specimen label. It classifies labels as printed, typed, handwritten, or mixed and uses Optical Character Recognition (OCR) and Handwritten Text Recognition (HTR) for extraction. The text is then corrected against authoritative taxon databases and refined using a multimodal Large Language Model (LLM). Hespi accurately detects and extracts text from specimen sheets across international herbaria, and its modular design allows users to train and integrate custom models.
• Abstract（参考訳）: 標本に関連した生物多様性データは、生物、環境、および保護科学にとって不可欠である。 人による転写を超えて、標本画像からデータを効率的に抽出するためには、レートシフトが必要である。 ヘスピ (Hespi, Herbarium Specimen sheet PIpeline) を開発した。 Hespiは2つのオブジェクト検出モデルを統合している。1つはシートの成分を検知し、もう1つは一次標本ラベル上のフィールドを検知する。 ラベルを印刷、タイプ、手書き、混合に分類し、光学文字認識(OCR)と手書き文字認識(HTR)を用いて抽出する。 テキストは権威のある分類データベースに対して修正され、マルチモーダルなLarge Language Model (LLM)を使用して洗練される。 Hespiは、国際的な草原を横断する標本シートからテキストを正確に検出し、抽出する。

関連論文リスト

• Downstream-Pretext Domain Knowledge Traceback for Active Learning [138.02530777915362]
  本稿では、下流知識と事前学習指導のデータ相互作用をトレースするダウンストリーム・プレテキスト・ドメイン知識トレース(DOKT)手法を提案する。 DOKTは、トレースバックの多様性指標とドメインベースの不確実性推定器から構成される。 10のデータセットで行った実験は、我々のモデルが他の最先端の手法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-07-20T01:34:13Z)
• Human-in-the-Loop Synthetic Text Data Inspection with Provenance Tracking [11.022295941449919]
  Inspectorは,ループ内データ検査技術である。 ユーザスタディでは,感情分析タスクでは3X,ヘイトスピーチ検出タスクでは4X,正確なラベル付きテキスト数が増加する。
  論文  参考訳（メタデータ） (2024-04-29T17:16:27Z)
• Fact Checking Beyond Training Set [64.88575826304024]
  本稿では,レトリバーリーダが,あるドメインのラベル付きデータに基づいてトレーニングし,別のドメインで使用する場合,性能劣化に悩まされることを示す。 本稿では,レトリバー成分を分散シフトに対して頑健にするための逆アルゴリズムを提案する。 次に、これらのデータセットから8つの事実チェックシナリオを構築し、モデルと強力なベースラインモデルのセットを比較します。
  論文  参考訳（メタデータ） (2024-03-27T15:15:14Z)
• Named Entity Recognition for Address Extraction in Speech-to-Text Transcriptions Using Synthetic Data [0.0]
  本稿では,BERTアーキテクチャによる双方向表現に基づく名前付きエンティティ認識(NER)モデルの構築手法を提案する。 このNERモデルは、音声からテキストへの書き起こしから取得したデータからアドレス部分を抽出する。 合成データのみを訓練したNERモデルの性能を,小さな実データを用いて評価した。
  論文  参考訳（メタデータ） (2024-02-08T10:29:11Z)
• Enhancing Scene Text Detectors with Realistic Text Image Synthesis Using Diffusion Models [63.99110667987318]
  DiffTextは、前景のテキストと背景の本質的な特徴をシームレスにブレンドするパイプラインです。 テキストインスタンスが少なくなると、生成したテキストイメージはテキスト検出を支援する他の合成データを一貫して上回ります。
  論文  参考訳（メタデータ） (2023-11-28T06:51:28Z)
• DPIC: Decoupling Prompt and Intrinsic Characteristics for LLM Generated Text Detection [56.513637720967566]
  大規模言語モデル(LLM)は、盗作、eコマースプラットフォームへの偽レビューの設置、炎症性偽ツイートなどの誤用のリスクを引き起こすテキストを生成することができる。 既存の高品質な検出手法では、本質的な特徴を抽出するために、モデルの内部にアクセスする必要がある。 ブラックボックスモデル生成テキストの深い内在特性を抽出する。
  論文  参考訳（メタデータ） (2023-05-21T17:26:16Z)
• TextDiffuser: Diffusion Models as Text Painters [118.30923824681642]
  我々は、背景に忠実な視覚的に魅力的なテキストで画像を生成することに焦点を当てたTextDiffuserを紹介した。 我々は,OCRアノテーションを用いた最初の大規模テキスト画像データセットであるMARIO-10Mに,1000万の画像テキストペアをコントリビュートする。 テキストプロンプトのみまたはテキストテンプレート画像と併用して高品質なテキスト画像を作成し,テキストによる不完全な画像の再構成を行う,テキストディフューザは柔軟かつ制御可能であることを示す。
  論文  参考訳（メタデータ） (2023-05-18T10:16:19Z)
• Detecting Handwritten Mathematical Terms with Sensor Based Data [71.84852429039881]
  本稿では,手書きの数学的用語を自動分類する,スタビロによるUbiComp 2021チャレンジの解を提案する。 入力データセットには異なるライターのデータが含まれており、ラベル文字列は合計15の異なる文字から構成されている。
  論文  参考訳（メタデータ） (2021-09-12T19:33:34Z)
• Object Detection Based Handwriting Localization [2.6641834518599308]
  文書から手書き領域をローカライズするオブジェクト検出手法を提案する。 提案手法は手書き文字認識や署名検証などの他の作業を容易にすることも期待されている。
  論文  参考訳（メタデータ） (2021-06-28T21:25:20Z)
• DUET: Detection Utilizing Enhancement for Text in Scanned or Captured Documents [1.4866448722906016]
  提案手法は,テキスト検出だけでなく,ノイズ低減やテキスト領域の強調を行うように設計されている。 テキスト検出と強調のためにラベル付けされた文書画像の合成により,モデルのトレーニングデータを充実させる。 提案手法は,他のテキスト検出手法を上回る性能を有する実文書データセットで実証される。
  論文  参考訳（メタデータ） (2021-06-10T07:08:31Z)
• PharmKE: Knowledge Extraction Platform for Pharmaceutical Texts using Transfer Learning [0.0]
  PharmKEは、医薬品のセマンティック分析を徹底するために、いくつかの段階を通じてディープラーニングを適用するテキスト分析プラットフォームです。 この方法論は、正確なラベル付きトレーニングとテストデータセットの作成に使用され、カスタムエンティティラベリングタスクのモデルトレーニングに使用されます。 得られた結果は、同じデータセットで訓練された微調整BERTおよびBioBERTモデルと比較されます。
  論文  参考訳（メタデータ） (2021-02-25T19:36:35Z)

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。