3.9MB超小超强文本识别模型，支持20000个字符的识别，平安产险提出Hamming OCR

最新推荐文章于 2025-03-16 09:46:22 发布
最新推荐文章于 2025-03-16 09:46:22 发布
阅读量655 收藏 1
点赞数
分类专栏： 论文推荐 文章标签： 人工智能 深度学习 机器学习 计算机视觉 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Extremevision/article/details/109813798
版权

Hamming OCR是一个基于Transformer注意力的超轻量级文本识别模型，主要基于LSH局部敏感哈希编码和Max-Margin Loss的学习算法。

Hamming OCR: A Locality Sensitive Hashing Neural Networkfor SceneText Recognition

本文为极市开发者投稿，作者平安产险视觉计算组，转载请获授权。

背景

场景文本识别中很多模型都使用了笨重的模型，这些模型很难在移动端设备上部署。这也是最近大火的Paddle OCR使用CRNN实现其超轻量级识别模型的原因。PaddleOCR采用的策略就是暴力削减特征通道来减小模型，但是这样使得性能大幅度下降。最近在arXiv上公开的Hamming OCR提出了Hamming Embedding和LSH局部敏感哈希分类的算法，大幅度削减模型大小，同时保留模型能力。

简介

我们首先看FC+softmax分类层：

其中分类矩阵W占了将近20MB，这是因为onehot编码方式维度过大，字符字数多的原因。

对应的Hamming OCR中的LSH局部敏感哈希分类实现如下：

Hamming OCR使用LSH编码替代了o

最低0.47元/天 解锁文章
Hamming OCR: A Locality Sensitive Hashing Neural Network for Scene Text Recognition
Treasure Ashes
07-18 333
当前的OCR模型太大，直接应用在中文等多字符语言系统的识别中，会导致过大的存储成本（主要是projection matrix的存储）和较大的计算量，如果直接缩减d（字符级特征向量的维度）会损害模型性能，直接缩减L（词汇表的长度）会限制应用场景。...
CRNN文本识别模型
zhenming的博客
06-28 4479
CRNN文本识别模型描述模型结构CNNRNNCTC 描述 CRNN是一种简单高效的文本识别模型。相比与Attention类型的文本识别模型，其具有如下优缺点。 优点： 容易训练，模型容易收敛，且鲁棒性较高。 易于部署，模型结构简单，inference速度快且支持变长输入，适合文本长度变化较大的生产环境。 缺点： 识别准确率相对较低，在包含大量中文字符集情况下，会比RARE类型的Attention模型低不少，英文字符集的情况下会低更多。 对于艺术字等有较大形变的短文本，或自然场景下的变化较大的文本，CR
【文字识别】-Hamming OCR: A Locality Sensitive Hashing Neural Network for Scene Text Recognition
怡宝2号
10-29 714
论文地址： https://arxiv.org/pdf/2009.10874.pdf 摘要 近年来，基于自注意的场景文本识别方法受到Transformer的启发，取得了优异的性能。但是，我们发现模型的尺寸随着词汇量的增加而迅速增大。其中，softmax分类层和输出嵌入层的参数数量与词汇量大小成正比。它阻碍了轻量级文本识别模型的开发，特别是针对中文和多种语言的文本识别模型。因此，我们提出了一种轻量级的场景文本识别模型——汉明OCR。在该模型中，提出了一种新的汉明分类器来代替softmax回归，并采用local
DeepSeek 可能自主研发 OCR 服务的分析和原因
最新发布
Leon_Jinhai_Sun的博客
03-16 469
作为一个专注于人工智能和大数据分析的公司，很可能自主研发了OCR（光学字符识别）技术，而不是完全依赖第三方的收费服务（如 Google Cloud Vision API 或 百度OCR）。DeepSeek 很可能自主研发了 OCR 技术，以满足其业务需求并降低成本。自研 OCR 不仅可以提高识别精度和效率，还能更好地保护数据隐私。如果你对 DeepSeek 的 OCR 技术感兴趣，可以关注其官方技术文档或联系其技术支持团队获取更多信息。
大话文本识别经典模型：CRNN
weixin_34321977的博客
05-10 963
2019独角兽企业重金招聘Python工程师标准>>> ...
论文翻译-Hamming OCR A Locality Sensitive Hashing Neural Network for Scene Text Recognition
快乐的小小程序猿
05-24 539
论文翻译-Hamming OCR A Locality Sensitive Hashing Neural Network for Scene Text Recognition 原文地址：https://arxiv.org/pdf/2009.10874.pdf 【推荐】相关阅读资料下载： 链接：https://pan.baidu.com/s/1Hu2EtFoHfE6nyOE5wN_gEg 提取码：mxmu 【注】：翻译仅供参考，准确含义和表达参考英文原文 Hamming OCR： 一种用于场景文本识别
文本识别模型汇总
qq_42362891的博客
11-13 904
Rosetta: Large scale system for text detection and recognition in images An End-to-End Trainable Neural Network for Image-based Sequence Recognition and Its Application to Scene Text Recognition STAR-Net: A SpaTial Attention Residue Network for..
文字识别模型MNIST
qq_44377946的博客
08-24 1468
1 简介 MNIST是一个入门级的计算机视觉数据集，它包含各种从0到9的手写数字图片以及对应的标签，本篇使用了两层简单神经元来实现手写图片预测，主要目的在于熟悉Tensorflow的使用流程。 2 数据集 本篇使用MNIST数据集，首先导入包： import numpy as np import tensorflow as tf import matplotlib.pyplot as plt from tensorflow.examples.tutorials.mnist import...
OCR文本识别模型CRNN
weixin_43227526的博客
05-07 1531
OCR文本识别模型CRNN网络原理和代码
Mask TextSpotter v3 来了！最强端到端文本识别模型
我爱计算机视觉
08-13 875
场景文本的识别可以用文本检测+文本识别两个过程来做，近年来端到端的场景文本识别（即Text Spotting）越来越引起学术界的重视，而华中科技大学白翔老师组的 Mask TextSpo...
PaddleOCR：文本检测/识别模型训练、模型推理实操
lythinking的博客
05-07 3478
🚀🌟基于（实用的超轻量级OCR系统，支持80多种语言识别，提供数据标注和合成工具，支持在服务器、移动、嵌入式和物联网设备之间训练和部署）
Python-用于文本识别的Tensorflow模型
08-11
用于文本识别的Tensorflow模型（具有视觉注意力的CNN seq2seq）作为Python软件包提供，并与Google Cloud ML Engine兼容。
TextTron-Lightweight-text-detector:TextTron 是一个简单的基于轻量级图像处理的文档图像文本检测器
05-31
TextTron-轻量级文本检测器 一、简介 TextTron 是一个简单的基于轻量级图像处理的文档图像文本检测器。 TextTron 借助应用于预处理图像的轮廓来检测文本。 这意味着无需使用任何机器学习或深度学习模型即可进行快速文本检测。 尽管这在场景文本检测中不能很好地工作，仅适用于文档图像 2. 快速入门 1. 要求：numpy & opencv-python pip install numpy pip install opencv-python 2.安装包 $pip install TextTron 代码在以下库依赖项下开发OpenCV = 4.1.2 NumPy = 1.17 3. 用法 3.1 接口 一世。 导入必要的库并读取图像 import cv2 from TextTron.TextTron import TextTron img = cv2.imread(PAT
基于深度学习的文本个性识别模型
gitblog_00768的博客
08-16 814
基于深度学习的文本个性识别模型 personality-detectionSenticNet/personality-detection: 是一个基于深度学习的个性检测模型，可以检测文本中的个性特征，如诚实、外向等。适合对深度学习、自然语言处理和想要进行个性检测的开发者。项目地址:https://gitcode.com/gh_mirrors/pe/personality-detection 在这...
文本识别CRNN模型介绍以及pytorch代码实现
weixin_44599230的博客
06-25 1万+
文本识别CRNN pytorch
paddleocr文本识别模型的训练
热门推荐
didiaopao的博客
10-20 1万+
1、准备数据 训练自己的模型首先要有数据集，在我写的《paddleocr文本检测模型的训练》这篇文章的时候我已经提供了一份数据集，里面包含了文本检测和识别的数据集，由于那篇文章是文本检测的训练，所以只用到了文本检测的数据集，这里我用的是文本识别的数据集，有需要数据的可以去那篇文章里面找数据。文章链接。让我们来直观的感受一下数据集，数据集照片的图片如下所示： 数据的标签如下图所示，就是每行的前面是图片的路径，后面为该图片的标签内容。 这里要注意的是：txt文件中默...
OCR文本检测模型—CTPN
红叶谷 wsp_1138886114的博客
08-23 3093
文章目录一、CTPN简介二、CTPN检测流程三、小结 一、CTPN简介 一个简单的文字识别流程如下： Step 1. 通过手机、摄像机、扫描仪等设备采集含有待识别字符的图像，作为输入； Step 2. 对图像进行尺寸缩放、明暗调整、去噪等预处理操作； Step 3. 将图像中的单个字符、或者是连续几个字符所在的区域检测出来； Step 4. 根据文本检测结果从图像中将文本所在区域分割出来，然后导...
文档处理——拍照文档OCR文字识别从算法原理到模型推理部署
MariLN的博客
01-06 3530
OCR（Optical Character Recognition，光学字符识别）技术是一种将图像中的文字内容提取为可编辑的数字文本的技术。它能够识别图片中的印刷字体、手写字体，甚至复杂的表格和图形内容，实现从“图像”到“数据”的转换。也就是说将图象中的文字进行识别，并返回文本形式的内容。
如何训练专属的OCR文字识别模型
关于Android开发的一些技术点总结 ╮(￣▽￣”)╭
11-20 1万+
随着文档数字化的发展，光学字符识别 (OCR) 变得越来越流行，OCR 在处理基于图像的文档中发挥着至关重要的作用。基于电商APP移动端的业务场景，是否也能利用OCR来为用户提供更加便利的购物体验呢。
易语言实现验证码小识别技术指南
易语言验证码小识别的知识点涵盖了软件开发、图像处理、人工智能、模式识别等众多领域，具体如下： 1. 易语言基础知识： 易语言是一种中文编程语言，主要面向中文用户。它以中文作为编程语言的主要表达方式，简化了...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值