I
ну я для своего языка делаю, в этом и вся суть проектика, дату тоже сам майню ))
Size: a a a
2021 February 22
I
суть распознание вручную написанного текста.
I
то есть страница написанного от руки текста, я разбиваю на строки, это норм умею даже без обучения,
потом строки на слова, тут умею тоже без обучения в самом простом подходе (иногда два слова вместо одного выходит - не страшно для меня, можно бы было по оптимизировать конечно, но это потом), далее вот хочу модель попробовать для определния слов.
потом строки на слова, тут умею тоже без обучения в самом простом подходе (иногда два слова вместо одного выходит - не страшно для меня, можно бы было по оптимизировать конечно, но это потом), далее вот хочу модель попробовать для определния слов.
I
а дата у меня есть из букв ))
I
так родился и эксперимент ))
I
есть слова, но они без лейбелов. Поэтому либо пролейбелить слова, либо попробовать выучить буквы и определять их в словах.
VC
Мне кажется, для разделения на буквы можно уже что-то найти и тогда, добавить к твоему пайплайну. Возможно, даже через cv можно попробовать. Или реально собирать данные из слов.
VC
Как сумасшедший вариант, можно one shot детекцию букв😳
I
буквы можно бы было легко детектить бы, тем же методом что и разбивание строки на слова, есть маленькие пробелы между буквами, и тогда там значения по вертикали выше (черный = 0, белый = 255), но почерк то разный и писанина тоже, это не всегда тривиально, нахождением контуров тут порой не обойтись).
I
Мне кажется, для разделения на буквы можно уже что-то найти и тогда, добавить к твоему пайплайну. Возможно, даже через cv можно попробовать. Или реально собирать данные из слов.
если это модель, то она скорее всегда будет также тренироваться, дайте слова с лейбелами, научимся буквы определять. А любое unsupervised, там кластеринг и т.д, мне кажется под железками оптимизации параметров будет все равно основной фичер это пробел между букв, который как я отметил, когда писанина, не всегда есть.
I
https://arxiv.org/pdf/1904.01906.pdf
вот на этой экспериментирую, мне кажется она должна сработать, просто надо буквы разбросать и натренировать.
вот на этой экспериментирую, мне кажется она должна сработать, просто надо буквы разбросать и натренировать.
I
Как сумасшедший вариант, можно one shot детекцию букв😳
что такое one shot ?
у меня вторая статья, которую еще не смотрел, так как работаю с первой, это об этом возможно:
https://arxiv.org/abs/1908.05498
A Single-Shot Arbitrarily-Shaped Text Detector based on Context Attended Multi-Task Learning
у меня вторая статья, которую еще не смотрел, так как работаю с первой, это об этом возможно:
https://arxiv.org/abs/1908.05498
A Single-Shot Arbitrarily-Shaped Text Detector based on Context Attended Multi-Task Learning
VC
Да, как вариант, можешь сам сгенерировать слова из букв.
I
Да, как вариант, можешь сам сгенерировать слова из букв.
да, тоже об этом подумал
I
Да, как вариант, можешь сам сгенерировать слова из букв.
легче будет, лейбелы легко присвоить.
I
легче будет, лейбелы легко присвоить.
правда будет небольшой геморой делать маленькие пробелы между буквами.
А это необходимо для сиквенсера.
А это необходимо для сиквенсера.
VC
правда будет небольшой геморой делать маленькие пробелы между буквами.
А это необходимо для сиквенсера.
А это необходимо для сиквенсера.
Зачем?
I
Зачем?
ну потмоу что сиквенсер типо Bi-LSTM смотрит на ось x и учит последовательность фич, а характеристика слов, что их буквы друг к другу ближе чем пробелы. Хотя если я беру каждый раз одно слово ... можно это действительно и не имеет смысла.
"смотрит и учит" условно говоря.
"смотрит и учит" условно говоря.
I
но в таком случае не вижу причины не выучить отдельно буквы,это по сути одно и тоже будет.
В чем отличие двух задач ? в локации букв когда они в словах и в том что их несколько.
Локация - поэтому разбрасаю. Не сработает, значит дело не только в локации, а еще и в том что модель учит несколько распознавать.
В чем отличие двух задач ? в локации букв когда они в словах и в том что их несколько.
Локация - поэтому разбрасаю. Не сработает, значит дело не только в локации, а еще и в том что модель учит несколько распознавать.
VC
Что-то я тебя не понимаю. Но, я бы сформулировал эту задачу как image to sequence и решал бы через ViT. Как вариант.