論文の概要: KhmerST: A Low-Resource Khmer Scene Text Detection and Recognition Benchmark

• arxiv url: http://arxiv.org/abs/2410.18277v1
• Date: Wed, 23 Oct 2024 21:04:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-25 12:50:11.841473
• Title: KhmerST: A Low-Resource Khmer Scene Text Detection and Recognition Benchmark
• Title（参考訳）: KhmerST: 低リソースのKhmerシーンテキスト検出と認識ベンチマーク
• Authors: Vannkinh Nom, Souhail Bakkali, Muhammad Muzzamil Luqman, Mickaël Coustaty, Jean-Marc Ogier,
• Abstract要約: 我々は,1,544人の専門家による注釈付き画像を含む,最初のKhmerシーンテキストデータセットを紹介した。 この多様なデータセットには、平らなテキスト、起立したテキスト、照度の低いテキスト、遠くのポリゴン、部分的に不明瞭なテキストが含まれる。
• 参考スコア（独自算出の注目度）: 1.5409800688911346
• License:
• Abstract: Developing effective scene text detection and recognition models hinges on extensive training data, which can be both laborious and costly to obtain, especially for low-resourced languages. Conventional methods tailored for Latin characters often falter with non-Latin scripts due to challenges like character stacking, diacritics, and variable character widths without clear word boundaries. In this paper, we introduce the first Khmer scene-text dataset, featuring 1,544 expert-annotated images, including 997 indoor and 547 outdoor scenes. This diverse dataset includes flat text, raised text, poorly illuminated text, distant and partially obscured text. Annotations provide line-level text and polygonal bounding box coordinates for each scene. The benchmark includes baseline models for scene-text detection and recognition tasks, providing a robust starting point for future research endeavors. The KhmerST dataset is publicly accessible at https://gitlab.com/vannkinhnom123/khmerst.
• Abstract（参考訳）: 効果的なシーンテキストの検出と認識モデルの開発は、特に低リソース言語において、困難かつコストのかかる、広範なトレーニングデータに基づく。 ラテン文字用に調整された従来の手法は、文字の積み重ね、ダイアクリティカルティクス、明確な単語境界のない可変文字幅といった課題のために、非ラテン文字と混同されることが多かった。 本稿では,屋内997面と屋外547面を含む1,544面のエキスパート注釈付き画像を含む,最初のKhmerシーンテキストデータセットを紹介する。 この多様なデータセットには、平らなテキスト、起立したテキスト、照度の低いテキスト、遠く、部分的に曖昧なテキストが含まれる。 アノテーションは各シーンに対して行レベルのテキストと多角形のバウンディングボックスの座標を提供する。 このベンチマークには、シーンテキストの検出と認識タスクのベースラインモデルが含まれており、将来の研究の出発点となる。 KhmerSTデータセットはhttps://gitlab.com/vannkinhnom123/khmerst.comで公開されている。

関連論文リスト

• Dataset and Benchmark for Urdu Natural Scenes Text Detection, Recognition and Visual Question Answering [50.52792174648067]
  このイニシアチブは、テキストと視覚的理解のギャップを埋めようとしている。 そこで本研究では,1000以上の自然シーン画像からなるマルチタスクUrduシーンテキストデータセットを提案する。 テキストインスタンスの細かいアノテーションを提供し、以前のデータセットの制限に対処します。
  論文  参考訳（メタデータ） (2024-05-21T06:48:26Z)
• The First Swahili Language Scene Text Detection and Recognition Dataset [55.83178123785643]
  低リソース言語、特にスワヒリ語には大きなギャップがある。 スワヒリ語は東アフリカ諸国で広く話されているが、依然としてシーンテキスト認識において未発見言語である。 本研究では,スワヒリシーンのテキスト画像の包括的データセットを提案し,異なるシーンのテキスト検出および認識モデルに基づくデータセットの評価を行う。
  論文  参考訳（メタデータ） (2024-05-19T03:55:02Z)
• TEXTRON: Weakly Supervised Multilingual Text Detection through Data Programming [21.88026116276415]
  テキスト検出はコンピュータビジョン(CV)分野における課題である テキスト検出には単語レベルのラベル付きデータが不足しており、特に多言語設定やインドのスクリプトではそうである。 データプログラミングベースのアプローチであるTEXTRONを提案し、ユーザは様々なテキスト検出方法を弱い監督ベースの学習フレームワークにプラグインできる。
  論文  参考訳（メタデータ） (2024-02-15T09:18:18Z)
• Leveraging machine learning for less developed languages: Progress on Urdu text detection [0.76146285961466]
  本稿では,シーン画像からUrduテキストを検出する機械学習手法を提案する。 Urduテキストの研究を支援するため、研究用にデータを自由に利用できるようにすることを目標としている。
  論文  参考訳（メタデータ） (2022-09-28T12:00:34Z)
• Towards End-to-End Unified Scene Text Detection and Layout Analysis [60.68100769639923]
  本稿では,シーンテキストの検出とレイアウト解析を統合化するタスクについて紹介する。 この新たな研究課題を実現するために、最初の階層的なシーンテキストデータセットが導入された。 また,シーンテキストを同時に検出し,テキストクラスタを統一的に形成する手法を提案する。
  論文  参考訳（メタデータ） (2022-03-28T23:35:45Z)
• Language Matters: A Weakly Supervised Pre-training Approach for Scene Text Detection and Spotting [69.77701325270047]
  本稿では,シーンテキストを効果的に表現できる弱教師付き事前学習手法を提案する。 本ネットワークは,画像エンコーダと文字認識型テキストエンコーダから構成され,視覚的特徴とテキスト的特徴を抽出する。 実験により、事前訓練されたモデルは、重みを他のテキスト検出やスポッティングネットワークに転送しながら、Fスコアを+2.5%、+4.8%改善することが示された。
  論文  参考訳（メタデータ） (2022-03-08T08:10:45Z)
• Urdu text in natural scene images: a new dataset and preliminary text detection [3.070994681743188]
  本研究は,自然シーン画像におけるUrduテキストの新しいデータセットを導入する。 データセットは、実際のシーンから取得された500のスタンドアロンイメージで構成されている。 画像中の候補としてUrduテキスト領域を抽出するためにMSER法を適用する。
  論文  参考訳（メタデータ） (2021-09-16T15:41:50Z)
• Scene Text Detection with Scribble Lines [59.698806258671105]
  テキスト検出のための多角形の代わりにスクリブル線でテキストをアノテートすることを提案する。 さまざまな形状のテキストの一般的なラベリング方法であり、ラベリングコストが低くなります。 実験の結果,提案手法は弱ラベル法と元のポリゴン系ラベリング法との間の性能ギャップを橋渡しすることを示した。
  論文  参考訳（メタデータ） (2020-12-09T13:14:53Z)
• AE TextSpotter: Learning Visual and Linguistic Representation for Ambiguous Text Spotting [98.08853679310603]
  本研究はAmbiguity Elimination Text Spotter(AE TextSpotter)という新しいテキストスポッターを提案する。 AE TextSpotterは、視覚的特徴と言語的特徴の両方を学び、テキスト検出の曖昧さを著しく低減する。 我々の知る限り、言語モデルを用いてテキスト検出を改善するのはこれが初めてである。
  論文  参考訳（メタデータ） (2020-08-03T08:40:01Z)

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。