Evaluating Performance and Accuracy Improvements for Attention-OCR - Publikacja - MOST Wiedzy

Wyszukiwarka

Evaluating Performance and Accuracy Improvements for Attention-OCR

Abstrakt

In this paper we evaluated a set of potential improvements to the successful Attention-OCR architecture, designed to predict multiline text from unconstrained scenes in real-world images. We investigated the impact of several optimizations on model’s accuracy, including employing dynamic RNNs (Recurrent Neural Networks), scheduled sampling, BiLSTM (Bidirectional Long Short-Term Memory) and a modified attention model. BiLSTM was found to slightly increase the accuracy, while dynamic RNNs and a simpler attention model provided a significant training time reduction with only a slight decline in accuracy.

Cytowania

  • 4

    CrossRef

  • 0

    Web of Science

  • 6

    Scopus

Cytuj jako

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

Słowa kluczowe

Informacje szczegółowe

Kategoria:
Aktywność konferencyjna
Typ:
publikacja w wydawnictwie zbiorowym recenzowanym (także w materiałach konferencyjnych)
Tytuł wydania:
Computer Information Systems and Industrial Management strony 3 - 11
Język:
angielski
Rok wydania:
2019
Opis bibliograficzny:
Brzeski A., Grinholc K., Nowodworski K., Przybyłek A.: Evaluating Performance and Accuracy Improvements for Attention-OCR// Computer Information Systems and Industrial Management/ : , 2019, s.3-11
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1007/978-3-030-28957-7_1
Weryfikacja:
Politechnika Gdańska

wyświetlono 120 razy

Publikacje, które mogą cię zainteresować

Meta Tagi