یکشنبه 23 شهریور 1404 – 12:15
تکناک
برخلاف مدلهای عظیم چندوجهی که در تشخیص ساختار دقیق متون، گاهی با محدودیت روبهرو هستند، PP-OCRv5 تمرکز خود را بر این حوزه گذاشته است. این مدل در دو مرحله عمل میکند: ابتدا محل قرارگیری متن در تصویر را شناسایی میکند و سپس محتوای آن را میخواند. همین رویکرد باعث میشود که جعبههای دقیقی پیرامون متون ترسیم شود، که قابلیتی کلیدی برای پردازش فرمها و استخراج داده از اسناد است.
برای مشاهده کامل مطب کلیک کنید