低资源满语 OCR 形态学扩展平衡覆盖度与精度
热点事件持续更新
低资源满语 OCR 形态学扩展平衡覆盖度与精度
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
针对低资源满语字符识别中固定字典无法覆盖黏着词形式的难题,研究通过形态学扩展生成约 510k 候选词并分解准确率。在三个 CRNN 训练种子下,将基础字典从约 2.9 万词增至 27.6 万词使未见组合类型准确率从 63.6% 提升至 86.3%,但全量扩展导致整体 token 准确率降至 81.5%。
AI 根据报道生成 · 10 小时前更新
最新进展11月19日 13:00
低资源满语 OCR:形态学扩展如何平衡覆盖度与精度报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · 机器人与计算机视觉低资源满语 OCR:形态学扩展如何平衡覆盖度与精度
针对低资源满语字符级识别中固定字典无法覆盖黏着词形式的难题,研究通过形态学扩展生成约 510k 候选词并分解准确率。在三个 CRNN 训练种子下,将基础字典从约 2.9 万词增至 27.6 万词使未见组合类型准确率从 63.6% 提升至 86.3%,但全量扩展导致整体 token 准确率降至 81.5%。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 17:00
- 近 24 小时变化
- –
02.557.510
18:0020:0022:0011月20日02:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。