Компьютерные науки > Компютерное видение и распознавание шаблонов [представлено 15 сентября 2026 года] Название: Измерение эффективности аннотаций для ручного распознавания Деванагари: образцы-сложные кривые для четырех предтренировочных режимов просмотра HTML (экспериментальное) резюме: Для подготовки рукописных систем распознавания текстов нам нужны изображения слов и их соответствующие стенографии, и эти транскрипты выпускаются вручную. Для сценария, который может быть прочитан лишь небольшим числом специалистов, ручная транскрипция является ограничением, поскольку подготовленные модели должны сэкономить время тех же самых специалистов. Поэтому возникает вопрос: сколько стенограмм необходимо для того, чтобы распознавший стал полезным и какую часть этих расходов можно снять с предварительного обучения? В этом исследовании ответ измеряется непосредственно для написанного вручную Деванагари. Мы держим протокол распознавания, оптимизации и оценки в одном и том же состоянии и изменяем только количество реальных переписанных слов, используемых для уточнения девяти бюджетов с 10 до 4000 и 4 режимов инициализации, причем каждый момент имеет шесть семян. Затем результирующие кривые преобразуются в аннотация-эквивалент. СЕР 0,50 достигается с помощью контролируемой синтетической предварительной подготовки, в которой используется только 81 транскрибируемое слово, тогда как случайная инициализация требует 355, что дает множитель маркировки 4.40 [3.56, 4.99]. Существует также нулевая…
Измерение эффективности аннотации для рукописного распознавания Деванагари: выборка кривых сложности для четырех режимов предварительной подготовки
arXiv: 2609.16859v1 Annuales Type: New Habstrate: Для обучения рукописным системам распознавания текстов нам нужны изображения слов и их соответствующие стенограммы, и эти транскрипции выпускаются вручную. Для сценария, который может быть прочитан лишь небольшим числом специалистов, ручная транскрипция является ограничением, поскольку подготовленные модели должны сэкономить время тех же самых специалистов. Поэтому возникает вопрос: сколько стенограмм необходимо для того, чтобы распознавший стал полезным и какую часть этих расходов можно снять с предварительного обучения? В этом исследовании ответ измеряется непосредственно для написанного вручную Деванагари. Мы держим протокол распознавания, оптимизации и оценки в одном и том же состоянии и изменяем только количество реальных переписанных слов, используемых для уточнения девяти бюджетов с 10 до 4000 и 4 режимов инициализации, причем каждый момент имеет шесть семян. Затем результирующие кривые преобразуются в аннотация-эквивалент. СЕР 0,50 достигается подконтрольной синтетической прет