|
Аннотация.
Работа посвящена концептуальным вопросам анализа текстового содержимого документа. Рассматриваются вопросы использования анализа текстовых документов при создании систем ввода и распознавания деловых бумажных документов. Рассматриваются две основные задачи: определение типа распознаваемого документа и его структуризации. Предложены функции, которые должны обеспечить декомпозицию и решение этих задач. Если принята предлагаемая схема использования текста, то реализация систем ввода может быть различной. То есть, в рамах предложенной концепции анализа документов могут применяться различные алгоритмы распознавания и форматы представления данных.
Ключевые слова:
распознавание документов, распознанное слово, сравнение слов.
Стр. 55-61.
DOI 10.14357/20718632230306 Литература
1. Shafait, F., Breuel, TM.: The Effect of Border Noise on the Performance of Projection-Based Page Segmentation Methods. In IEEE Transactions on Pattern Analysis and Machine Intelligence 2011. Vol. 33. No 4. pp. 846-851. (2011). https://doi.org/10.1109/TPAMI.2010.194. 2. Melinda, L., Ghanapuram, R., Bhagvati. C.: Document Layout Analysis Using Multigaussian Fitting. 14th IAPR International Conference on Document Analysis and Recognition (ICDAR) 2017. pp. 747-752. (2017). https://doi.org/10.1109/ICDAR.2017.127. 3. Du, X., Wumo, P., Bui, TD..: Text line segmentation in handwritten documents using Mumford–Shah model. Pattern Recognition. Vol. 42. pp. 3136-3145. (2009). https://doi.org/10.1016/j.patcog.2008.12.021. 4. Maraj, A., Martin, MV., Makrehchi, M.: A More Effective Sentence-Wise Text Segmentation Approach Using BERT. In: Lladós, J., Lopresti, D., Uchida, S. (eds) Document Analysis and Recognition – ICDAR 2021. Lecture Notes in Computer Science, Springer, Cham. Vol. 12824. (2021). https://doi.org/10.1007/978-3-030-86337-1_16 5. Mahamoud, IS., Voerman, J., Coustaty, M., Joseph, A., d’Andecy, VP., Ogier, JM. Multimodal Attention-Based Learning for Imbalanced Corporate Documents Classification. In: Lladós, J., Lopresti, D., Uchida, S. (eds) Document Analysis and Recognition – ICDAR 2021. Lecture Notes in Computer Science, Springer, Cham. Vol. 12823. (2021). https://doi.org/10.1007/978-3-030-86334-0_15 6. Nguyen, TTH., Jatowt, A., Coustaty, M., Nguyen, NV., Doucet, A.: Post-OCR error detection by generating plausible candidates. International Conference on Document Analysis and Recognition, ICDAR 2019. pp. 876–881. (2019). https://doi.org/10.1109/ICDAR.2019.00145. 7. Guo, C-Y., Tang, YY., Liu, C-S., Duan, J.: A Japanese OCR post-processing approach based on dictionary matching. International Conference on Wavelet Analysis and Pattern Recognition. pp. 22-26. (2013). https://doi.org/10.1109/ICWAPR.2013.6599286. 8. Kissos, I, Dershowitz, N.: OCR Error Correction Using Character Correction and Feature-Based Word Classification. 12th IAPR Int. Work. Doc. Anal. Syst. DAS 2016. pp. 198–203. (2016). https://doi.org/10.1109/DAS.2016.44. 9. Bulatov, K., Manzhikov, T., Slavin, O., Faradjev, I., Janiszewski, I.: Trigram-based algorithms for OCR result correction. Proc. SPIE 10341. Ninth International Conference on Machine Vision (ICMV 2016). 103410O, (2017). https://doi.org/10.1117/12.2268559. 10. Slavin, O., Janiszewski, I.: Extraction of information fields in administrative documents using constellations of special text points. Cyber-Physical Systems: Intelligent Models and Algorithms. Springer Nature Switzerland AG.. Vol.417, pp. 267–279. (2023). https://doi.org/10.1007/978-3-030-95116-0. 11. Deza, MM., Deza, E.: Encyclopedia of distances // Springer-Verlag, Berlin, 2009, xiv+590 pp. 12. Slavin, O., Andreeva, E., Putincev, D.: Application of modified Levenshtein distance for classification of noisy business document images. The 14th International Conference on Machine Vision (ICMV 2021), November 08-12, 2021. Rome, Italy. Proceedings Volume 12084, Fourteenth International Conference on Machine Vision (ICMV 2021); 120840B (2022) DOI: 10.1117/12.2623437. 13. Postnikov, VV.: Flexible Forms Identification. Proceedings of the 5th German-Russian Workshop on Pattern Recognition and Image Understanding (GRWS98). Hamburg: Infix, 1999. 14. Postnikov, VV.: Identification and Recognition of Documents with a Predefined Structure // Pattern Recognition and Image Analysis. Vol. 13. No. 2. pp. 332–334. (2003). 15. Марченко, АЕ., Ершов, ЕИ., Гладилин, С.А.: Система разбора документа, заданного атрибутами структурных элементов и отношениями между структурными элементами. Труды ИСА РАН, Т. 67. No. 4. (2017). С. 87-97. 16. Yujian, L., Bo, L.: A Normalized Levenshtein Distance Metric. IEEE Transactions on Pat-tern Analysis and Machine Intelligence. Vol. 29, No. 6, pp. 1091-1095 (2007).
|
