Post-OCR Error Detection by Generating Plausible Candidates
Post-OCR Error Detection by Generating Plausible Candidates
复制标题
通过生成可信候选进行 OCR 后错误检测
DOI：
10.1109/icdar.2019.00145
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Nhu Van Nguyen and Antoine Doucet
中科院分区：
文献类型：
--
作者：
Thi Tuyet Hai Nguyen;Adam Jatowt;Mickael Coustaty;Nhu Van Nguyen and Antoine Doucet
光学字符识别 (OCR) 技术的准确性极大地影响了数字文档的索引、访问和利用方式。后处理方法可检测并纠正剩余错误，以提高 OCR 文本的质量。然而，最先进的方法仍然需要改进。大多数现有的 OCR 后技术使用预定义的错误位置列表或应用简单的技术来检测错误。在本文中，我们描述了一种新颖的错误检测器，使用从字符级（包括字符噪声通道、特性索引）到单词级（例如 n-gram、skip-gram、词性）的不同特征。实验结果表明，我们的方法优于 ICDAR 2017 年 OCR 后文本校正竞赛中表现最好的技术。
The accuracy of Optical Character Recognition (OCR) technologies considerably impacts the way digital documents are indexed, accessed and exploited. Post-processing approaches detect and correct remaining errors to improve the quality of OCR texts. However, state-of-the-art approaches still need to be improved. Most of the existing post-OCR techniques use predefined error position lists or apply simple techniques to detect errors. In this paper, we describe a novel error detector using different features from character-level (including character noisy channel, index of peculiarity) to word-level (such as frequencies of n-grams, skip-grams, part-of-speech) Experimental results show that our approach outperforms the best performing techniques in the ICDAR 2017 Competition on Post-OCR text correction.
登录
查看更多内容
通过近似和全局校正进行后期编辑
DOI：
10.1142/s0218001495000377
发表时间：
1995
影响因子：
1.5
作者：
K. Taghva;J. Borsack;Bryan Bullard;A. Condit
通讯作者：
A. Condit
使用模拟退火 (OPTeCA) 进行 OCR 后处理文本校正
DOI：
--
发表时间：
2017
期刊：
Australasian Language Technology Association Workshop
影响因子：
--
作者：
G. Khirbat
通讯作者：
G. Khirbat
影响因子：
1.7
作者：
R. Morris;Lorinda;Cherry
通讯作者：
Cherry
MANICURE文档处理系统
DOI：
10.1117/12.304631
发表时间：
1998
期刊：
Electronic imaging
影响因子：
--
作者：
K. Taghva;A. Condit;J. Borsack;John Kilburg;Changshi Wu;Jeff Gilbreth
通讯作者：
Jeff Gilbreth
多模块领域定制 OCR 后校正
DOI：
10.18653/v1/d17-1288
发表时间：
2017
期刊：
ArXiv
影响因子：
--
作者：
Sarah Schulz;Jonas Kuhn
通讯作者：
Jonas Kuhn