NomNaOCR: The First Dataset for Optical Character Recognition on Han-Nom Script

性格(数学) 计算机科学 跳跃式监视 光学字符识别 序列(生物学) 背景(考古学) 注释 人工智能 集合(抽象数据类型) 自然语言处理 模式识别(心理学) 语音识别 图像(数学) 数学 程序设计语言 几何学 古生物学 生物 遗传学
作者
Hoang-Quan Dang,Duy-Anh Nguyen,Phu-Phuoc Pham,Ngoc-Thinh Nguyen,Tan Chau,Duc-Vu Ngo,Trung-Hieu Nguyen,Chau-Thang Phan,The-Hien Trinh,Minh-Tri Nguyen,Trong-Hop Do
标识
DOI:10.1109/rivf55975.2022.10013842
摘要

In this article, we introduce the NomNaOCR dataset for the old Hán-Nôm script based on 3 tremendous and valuable historical works of Vietnam, including , and With 2953 handwritten Pages collected from the Vietnamese Nôm Preservation Foundation for analyzing and semi-annotating the bounding boxes to generate additional 38,318 Patches containing text along with strings in digital form. This makes NomNaOCR currently become the biggest dataset for script in Vietnam, serving 2 main problems in Optical Character Recognition: Text Detection and Text Recognition. A difference here is that our implementations were all done at the sequence level, which not only saves the annotation cost but also helps us retain the context in the sequence instead of just performing on each individual character as in most previous works. For basic results, we experimented on the validation set of NomNaOCR. By using DBNet model for Text Detection, we reached a F1-score up to 99.65%. With Text Recognition, we used CRNN model and achieved an accuracy of 29.41% at sequence level and 84.73% at character level.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
卿卿发布了新的文献求助10
1秒前
我是老大应助马上毕业采纳,获得10
1秒前
苏有朋完成签到,获得积分10
2秒前
科研通AI2S应助Tge采纳,获得30
2秒前
awaguli完成签到,获得积分10
3秒前
封迎松发布了新的文献求助10
4秒前
qqq发布了新的文献求助10
4秒前
Ava应助0℃采纳,获得10
6秒前
8秒前
地塞米松磷酸钠完成签到,获得积分10
9秒前
桐桐应助666采纳,获得10
9秒前
小欧文发布了新的文献求助10
9秒前
自由天抒完成签到,获得积分10
9秒前
爱学习的悦悦子完成签到 ,获得积分10
10秒前
苏有朋发布了新的文献求助10
10秒前
jjjjjjjjjy完成签到,获得积分10
10秒前
11秒前
11秒前
小白完成签到,获得积分10
11秒前
冲鸭瓜婆发布了新的文献求助10
12秒前
小离心机完成签到,获得积分10
14秒前
15秒前
梅溪湖的提词器完成签到,获得积分10
15秒前
HGFJGK发布了新的文献求助10
15秒前
科研通AI2S应助端庄的蜡烛采纳,获得10
15秒前
星辰大海应助卿卿采纳,获得10
16秒前
四乂发布了新的文献求助10
16秒前
不理我发布了新的文献求助10
18秒前
18秒前
安静的滑板应助Friend_ship采纳,获得20
18秒前
rebeycca完成签到,获得积分10
19秒前
王明磊完成签到 ,获得积分10
19秒前
21秒前
kklkimo完成签到,获得积分10
21秒前
22秒前
qqq发布了新的文献求助10
22秒前
阿洋发布了新的文献求助10
23秒前
23秒前
武勇发布了新的文献求助30
25秒前
chenc完成签到,获得积分10
25秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Semiconductor Process Reliability in Practice 1500
歯科矯正学 第7版(或第5版) 1004
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
中国区域地质志-山东志 560
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3242704
求助须知:如何正确求助?哪些是违规求助? 2886962
关于积分的说明 8245419
捐赠科研通 2555512
什么是DOI,文献DOI怎么找? 1383601
科研通“疑难数据库(出版商)”最低求助积分说明 649728
邀请新用户注册赠送积分活动 625605