Buchumschlag

Enhancement of Bengali OCR by Specialized Models and Advanced Techniques for Diverse Document Types

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rabby, AKM Shahariar Azad, Ali, Hasmot, Islam, Md. Majedul, Abujar, Sheikh, Rahman, Fuad
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

BeyondPixels: A Comprehensive Review of the Evolution of Neural Radiance Fields
von: Rabby, AKM Shahariar Azad, et al.
Veröffentlicht: (2023)

Artificial Neural Networks to Recognize Speakers Division from Continuous Bengali Speech
von: Ali, Hasmot, et al.
Veröffentlicht: (2024)

BdSL-SPOTER: A Transformer-Based Framework for Bengali Sign Language Recognition with Cultural Adaptation
von: Azad, Sayad Ibna, et al.
Veröffentlicht: (2025)

MatriVasha: A Multipurpose Comprehensive Database for Bangla Handwritten Compound Characters
von: Ferdous, Jannatul, et al.
Veröffentlicht: (2020)

Experimental Comparison of Light-Weight and Deep CNN Models Across Diverse Datasets
von: Papon, Md. Hefzul Hossain, et al.
Veröffentlicht: (2026)

Pioneering Precision in Lumbar Spine MRI Segmentation with Advanced Deep Learning and Data Enhancement
von: Ahmed, Istiak, et al.
Veröffentlicht: (2024)

BeHGAN: Bengali Handwritten Word Generation from Plain Text Using Generative Adversarial Networks
von: Islam, Md. Rakibul, et al.
Veröffentlicht: (2025)

Two Decades of Bengali Handwritten Digit Recognition: A Survey
von: Rahman, A. B. M. Ashikur, et al.
Veröffentlicht: (2022)

Bengali Sign Language Recognition through Hand Pose Estimation using Multi-Branch Spatial-Temporal Attention Model
von: Miah, Abu Saleh Musa, et al.
Veröffentlicht: (2024)

Route, Retrieve, Reflect, Repair: Self-Improving Agentic Framework for Visual Detection and Linguistic Reasoning in Medical Imaging
von: Sayeedi, Md. Faiyaz Abdullah, et al.
Veröffentlicht: (2026)

A Robust Deep Learning Framework for Bangla License Plate Recognition Using YOLO and Vision-Language OCR
von: Hasin, Nayeb, et al.
Veröffentlicht: (2026)

DocParseNet: Advanced Semantic Segmentation and OCR Embeddings for Efficient Scanned Document Annotation
von: Mohammadshirazi, Ahmad, et al.
Veröffentlicht: (2024)

FedPoisonTTP: A Threat Model and Poisoning Attack for Federated Test-Time Personalization
von: Iftee, Md Akil Raihan, et al.
Veröffentlicht: (2025)

Bengali Document Layout Analysis -- A YOLOV8 Based Ensembling Approach
von: Ahmed, Nazmus Sakib, et al.
Veröffentlicht: (2023)

CAST: Channel-Aware Spatial Transfer Learning with Pseudo-Image Radar for Sign Language Recognition
von: Shujon, Md. Shakhoyat Rahman, et al.
Veröffentlicht: (2026)

In-Pixel Foreground and Contrast Enhancement Circuits with Customizable Mapping
von: Udoy, Md Rahatul Islam, et al.
Veröffentlicht: (2024)

Align Where the Words Look: Cross-Attention-Guided Patch Alignment with Contrastive and Transport Regularization for Bengali Captioning
von: Anonto, Riad Ahmed, et al.
Veröffentlicht: (2025)

Preemptive Hallucination Reduction: An Input-Level Approach for Multimodal Language Model
von: Arif, Nokimul Hasan, et al.
Veröffentlicht: (2025)

3D Point Cloud Network Pruning: When Some Weights Do not Matter
von: Biswas, Amrijit, et al.
Veröffentlicht: (2024)

LumiNet: Perception-Driven Knowledge Distillation via Statistical Logit Calibration
von: Hossain, Md. Ismail, et al.
Veröffentlicht: (2023)

Squeezed-Eff-Net: Edge-Computed Boost of Tomography Based Brain Tumor Classification leveraging Hybrid Neural Network Architecture
von: Chowdhury, Md. Srabon, et al.
Veröffentlicht: (2025)

SloMo-Fast: Slow-Momentum and Fast-Adaptive Teachers for Source-Free Continual Test-Time Adaptation
von: Iftee, Md Akil Raihan, et al.
Veröffentlicht: (2025)

olmOCR 2: Unit Test Rewards for Document OCR
von: Poznanski, Jake, et al.
Veröffentlicht: (2025)

DharmaOCR: Specialized Small Language Models for Structured OCR that outperform Open-Source and Commercial Baselines
von: Cardoso, Gabriel Pimenta de Freitas, et al.
Veröffentlicht: (2026)

Seeing Straight: Document Orientation Detection for Efficient OCR
von: Goswami, Suranjan, et al.
Veröffentlicht: (2025)

Teacher-Guided One-Shot Pruning via Context-Aware Knowledge Distillation
von: Alim, Md. Samiul, et al.
Veröffentlicht: (2025)

AQUA20: A Benchmark Dataset for Underwater Species Classification under Challenging Conditions
von: Fuad, Taufikur Rahman, et al.
Veröffentlicht: (2025)

Multimodal OCR: Parse Anything from Documents
von: Zheng, Handong, et al.
Veröffentlicht: (2026)

Maximizing Generalization: The Effect of Different Augmentation Techniques on Lightweight Vision Transformer for Bengali Character Classification
von: Chowdhury, Rafi Hassan, et al.
Veröffentlicht: (2026)

Qianfan-OCR: A Unified End-to-End Model for Document Intelligence
von: Dong, Daxiang, et al.
Veröffentlicht: (2026)

ERPA: Efficient RPA Model Integrating OCR and LLMs for Intelligent Document Processing
von: Abdellaif, Osama, et al.
Veröffentlicht: (2024)

Deep Learning Approach for Enhancing Oral Squamous Cell Carcinoma with LIME Explainable AI Technique
von: Islam, Samiha, et al.
Veröffentlicht: (2024)

Are Vision Language Models Cross-Cultural Theory of Mind Reasoners?
von: Nazi, Zabir Al, et al.
Veröffentlicht: (2025)

Braille to Text Translation for Bengali Language: A Geometric Approach
von: Kamal, Minhas, et al.
Veröffentlicht: (2020)

Optimizing Universal Lesion Segmentation: State Space Model-Guided Hierarchical Networks with Feature Importance Adjustment
von: Sanjid, Kazi Shahriar, et al.
Veröffentlicht: (2024)

Integrating Mamba Sequence Model and Hierarchical Upsampling Network for Accurate Semantic Segmentation of Multiple Sclerosis Legion
von: Sanjid, Kazi Shahriar, et al.
Veröffentlicht: (2024)

Tackling Fake News in Bengali: Unraveling the Impact of Summarization vs. Augmentation on Pre-trained Language Models
von: Chowdhury, Arman Sakif, et al.
Veröffentlicht: (2023)

Improving OCR for Historical Texts of Multiple Languages
von: Westerdijk, Hylke, et al.
Veröffentlicht: (2025)

Probabilistic Feature Imputation and Uncertainty-Aware Multimodal Federated Aggregation
von: Shahid, Nafis Fuad, et al.
Veröffentlicht: (2026)

Evaluation of Ensemble Learning Techniques for handwritten OCR Improvement
von: Preiß, Martin
Veröffentlicht: (2025)