BriefGPT - AI 论文速递
·
基于子字符串匹配的超长文本识别
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文重新评估了场景文字识别（STR）的性能，并提出了挑战驱动的基准。作者整理了大规模真实STR数据集，发现STR在真实场景中仍面临挑战。通过自监督预训练，作者提高了STR模型的鲁棒性。
🎯
关键要点
- 本文重新评估了场景文字识别（STR）的性能，提出了挑战驱动的基准。
- 作者整理了大规模真实STR数据集Union14M，包括400万张带标签图像和1000万张未标记图像。
- 实验证明13个模型在400万张有标签图像上只能达到66.53%的平均准确率，表明STR在真实场景中仍面临许多挑战。
- 通过分析模型的错误模式，作者确定了STR领域的七个难题，并构建了一个以挑战为驱动的基准。
- 作者发现通过自监督预训练利用1000万个未标记图像可以显著提高STR模型的鲁棒性，取得了最先进的性能。
➡️
