arXiv · 机器人与计算机视觉· Mannon Ochilov, Oybek Narzullayev, Bahodir Zaripov·· 8 天前AI 评分18
Post-OCR Correction of Mixed-Script Uzbek Text 系统发布:Byte-Level ByT5 结合噪声矩阵将乌兹别克混合脚本字符错误率从 0.0578 降至 0.0369
Post-OCR Correction of Mixed-Script Uzbek Text: Byte-Level ByT5 with an Empirical Homoglyph Noise Matrix
AI 导读
该系统针对乌兹别克官方文档中 Cyrillic 与 Latin 混排导致的同源异体字 OCR 难题,在本地硬件上利用 Byte-Level ByT5 模型及基于 359 个错误事件估算的噪声生成器进行修正。
来源:arXiv · 机器人与计算机视觉 · arxiv.org