【文字识别】GTC: Guided Training of CTC论文阅读
地址:论文 主要思路: 将attention和ctc两种方式进行融合，利用attention对ctc的对齐进行监督和引导，同时，在ctc分支中加入GCN图卷积神经网络提高模型表达能力。 简介 为了克服CTC的局限性，我们必须两个动机:(1)学习更好的特征表示从更有效的引导和(2)建立label和局部特征的联系。 模型 模型示意图如下所示： 来自强大网络的编码器可以学习更好的对齐和特征表示，其中的特
相关文章
- 1. 一文读懂CRNN+CTC文字识别
- 2. 文字识别文献阅读
- 3. 论文阅读 | Region Proposal by Guided Anchoring
- 4. 论文阅读：Region Proposal by Guided Anchoring
- 5. 论文阅读：Keywords-Guided Abstractive Sentence Summarization
- 6. 论文阅读一《Region Proposal by Guided Anchoring》
- 7. 论文阅读目录
- 8. 论文阅读笔记《Few-shot Learning via Saliency-guided Hallucination of Samples》
- 9. 论文阅读
- 10. Unsupervised Data Augmentation For Consistency Training 论文阅读
- 更多相关文章...
- • RSS 阅读器 - RSS 教程
- • C# 文本文件的读写 - C#教程
- • Scala 中文乱码解决
- • JDK13 GA发布：5大特性解读
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 一文读懂CRNN+CTC文字识别
- 2. 文字识别文献阅读
- 3. 论文阅读 | Region Proposal by Guided Anchoring
- 4. 论文阅读：Region Proposal by Guided Anchoring
- 5. 论文阅读：Keywords-Guided Abstractive Sentence Summarization
- 6. 论文阅读一《Region Proposal by Guided Anchoring》
- 7. 论文阅读目录
- 8. 论文阅读笔记《Few-shot Learning via Saliency-guided Hallucination of Samples》
- 9. 论文阅读
- 10. Unsupervised Data Augmentation For Consistency Training 论文阅读