本研究使用BaDLAD数据集和Mask R-CNN模型，通过文档布局分析（DLA）解决了理解孟加拉语文档的问题。调整超参数后，模型的Dice分数达到了0.889。然而，对英文文档训练的模型不适用于孟加拉语。DL Sprint 2.0方案的解决方案公开可用，链接位于https URL。

本研究通过调整超参数改进了Mask R-CNN模型，成功解决了理解孟加拉语文档的问题。然而，对英文文档训练的模型不适用于孟加拉语。DL Sprint 2.0方案已公开可用。

本文介绍了Bengali.AI-BRACU-OCR（bbOCR）：一种开源可扩展的文档光学字符识别系统，可将孟加拉语文档重构为结构化的可搜索的数字化格式，并提出了一种新颖的孟加拉语文本识别模型和两个合成数据集。全面的组件级和系统级评估结果表明，我们提出的解决方案优于当前最先进的孟加拉语OCR系统。