Optical Character Recognition for Audio-Visual Broadcast Transcription System

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24220%2F20%3A00008347" target="_blank" >RIV/46747885:24220/20:00008347 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/9237867" target="_blank" >https://ieeexplore.ieee.org/document/9237867</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CogInfoCom50765.2020.9237867" target="_blank" >10.1109/CogInfoCom50765.2020.9237867</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Optical Character Recognition for Audio-Visual Broadcast Transcription System

Popis výsledku v původním jazyce

This paper investigates the use of optical character recognition (OCR) for system of audio-visual broadcast transcription. Characters were recognized from video frames by open-source program OCR Tesseract. The OCR in this program (from version 4) is based on Recurrent Neural Networks (RNN) and it uses text post-processing by bigram language model. However, the resulting recognized text contains a number of errors. In some images, the text is not detected and recognized correctly or it is not detected at all. We have designed and tested image pre-processing and text post-processing methods for OCR error reduction. The word error rate (WER) was reduced from 29,4% to 15,4%.

Název v anglickém jazyce

Optical Character Recognition for Audio-Visual Broadcast Transcription System

Popis výsledku anglicky

This paper investigates the use of optical character recognition (OCR) for system of audio-visual broadcast transcription. Characters were recognized from video frames by open-source program OCR Tesseract. The OCR in this program (from version 4) is based on Recurrent Neural Networks (RNN) and it uses text post-processing by bigram language model. However, the resulting recognized text contains a number of errors. In some images, the text is not detected and recognized correctly or it is not detected at all. We have designed and tested image pre-processing and text post-processing methods for OCR error reduction. The word error rate (WER) was reduced from 29,4% to 15,4%.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/TH03010018" target="_blank" >TH03010018: DeepSpot - Multilingvální technologie pro detekci a včasné upozornění</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

11th IEEE International Conference on Cognitive Infocommunications, CogInfoCom 2020 - Proceedings

ISBN

978-172818213-1

ISSN

—

e-ISSN

—

Počet stran výsledku

4

Strana od-do

229-232

Název nakladatele

IEEE

Místo vydání

Finsko

Místo konání akce

Virtual (on-line), Mariehamn- Finland

Datum konání akce

1. 1. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000662230900038