1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 行业资料
  5. 国内专利

一种基于CLIP的端到端场景文本识别方法.pdfVIP

  • 5
  • 0
  • 约1.42万字
  • 约 11页
  • 2023-11-15 发布于四川
  • 举报

一种基于CLIP的端到端场景文本识别方法.pdf

    本发明公开了一种基于CLIP的端到端场景文本识别方法：通过对大规模视觉语言预训练模型CLIP进行改进，利用CLIP预训练好的图像编码器和文本编码器，引入了语言提示生成器、视觉提示生成器以及文本实例与语言匹配模块。通过借助CLIP中的语言知识，FastTCM能够有效辅助下游文本检测和端到端文本识别任务，从而显著提升了现有场景文本检测器和端到端文本识别器的准确度。此外还能增强在小样本学习情景下的表现，并提升模型的泛化能力。极大地拓展了场景文本检测和端到端文本识别的应用领域，有望在诸如图像标注、文档分

    (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 117058667 A (43)申请公布日 2023.11.14 (21)申请号 202311154735.5 (22)申请日 2023.09.07 (71)申请人 华中科技大学 地址 430074

    您可能关注的文档

    最近下载

    文档评论（0）

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >