为西里尔手写文字的 OCR 后修正生成数据
原文中文，约300字，阅读约需1分钟。发表于：。该论文介绍了一种针对手写西里尔文文本的后光学字符识别校正（POC）的新方法，该方法利用 Bézier 曲线生成引擎生成高度逼真的手写文本，并应用手写文本识别模型识别 OCR 错误，从而进行校正。
本文介绍了一个无限制的二元分类器，通过引入与文本进行比较的任务，使用手写识别特征提取器和多模态分类头，将特征提取器的输出与输入文本的向量表示进行卷积。通过使用生成对抗网络创建的合成数据进行训练，证明了该分类器相比直接使用手写识别模型解决任务，可以保持高回收率的同时进行校准，提高了平均精确度19.5%。这种性能提升可以在人-环自动化应用中带来显著的生产力增长。
