01 / BEFORE & AFTER
同一批文本,比较微调带来的变化
050100%
测试单元:人工确认的文本行相同输入高度、宽度处理与推理 batch
CER 与 WER 分别衡量字符和词的编辑错误。此表衡量识别器在人工行裁块上的表现。
02 / MODEL & ADAPTATION
保留识别框架,适配领域文本
文本行图像文本行裁块
→PPLCNet视觉特征
→SVTR + CTC序列建模与解码
→文字序列微调后的领域字符表
字符表适配
从训练数据中补入 5 个字符,保留原字符索引,适配标本签中的多语种与特殊符号。
长文本行处理
采用动态池化处理较长行,最大输入宽度 1,792。
训练与部署
训练使用 CTC 与 NRTR 辅助目标;导出识别模型保留 CTC 路径,可接入既有标签数字化流程。
- 基础识别器
- eslav PP-OCR
- 训练 / 验证
- 1,836 / 261 行
- 所选学习率
- 3×10⁻⁵
03 / PAIRED LINE EXAMPLES
看清楚每一行发生了什么变化
人工参考转写
微调前 · 官方识别器
微调后 · PaddleOCR
04 / APPLICATION SCENARIOS
连接标签图像与结构化资料
01
多语种历史标本签
处理以西里尔文为主、含拉丁学名、数字与混合文字的标签文本。
02
手写与打印混合行
在统一识别流程中读取印制抬头、手写地名和采集信息,保留原始文字输出。
03
批量转录与人工复核
将识别结果与行图并列呈现,为转录核对、字段抽取和地理定位提供输入。
05 / RESOURCES
开放信息
模型与微调后参数文件将随论文发布公开