当前位置： 首页 > news >正文

CV-OCR经典论文解读|An Empirical Study of Scaling Law for OCR/OCR 缩放定律的实证研究

news 来源：原创 2025/6/8 6:54:02

论文标题

An Empirical Study of Scaling Law for OCR

OCR 缩放定律的实证研究

论文链接：

An Empirical Study of Scaling Law for OCR论文下载

论文作者

Miao Rang, Zhenni Bi, Chuanjian Liu, Yunhe Wang, Kai Han

内容简介

本论文在光学字符识别（OCR）领域首次系统性地研究了模型规模、数据量、计算量与模型性能之间的扩展规律（Scaling Law）。研究团队构建了大规模数据集REBU-Syn，并基于此数据集和发现的扩展规律，训练了一个场景文本识别模型，该模型在多个测试基准上达到了业界领先的准确率。

方法详解

1.模型规模与性能关系

  • 实验设计：研究者选择了基于Transformer的模型，包括TrOCR和PARSeq，并在不同的模型规模下进行了实验，参数数量从50M到1B不等。
  • 幂律关系：实验结果表明，模型性能与模型规模之间存在平滑的幂律关系，即模型性能随着模型规模的增加而提高。

2.数据量与性能关系

  • 数据集构建：研究者创建了REBU-Syn数据集，包含600万真实样本和1800万合成样本。
  • 实验分析：通过改变训练数据量，研究者发现数据量与模型性能之间也遵循幂律关系，即增加数据量可以提升模型性能。

3.计算量与性能关系

计算资源分析：研究者探讨了模型训练的计算量（以训练小时数计）与模型性能之间的关系，并发现它们之间也符合幂律分布。

4.数据来源比例

真实与合成数据的平衡：研究指出，模型训练中真实数据与合成数据的比例对性能有显著影响，提出了1:3的合成数据与真实数据比例为最佳。

5.预训练模型的有效性

特定任务预训练：研究比较了在OCR相关数据上预训练的模型与在一般图像数据上预训练的模型，发现特定于OCR任务的预训练模型在OCR任务上表现更优。

6.大规模数据集REBU-Syn

  • 数据集构成：REBU-Syn数据集结合了真实世界数据和合成数据，提供了丰富的样本以支持大规模模型训练。
  • 数据集影响：该数据集对模型训练和性能提升起到了关键作用。

7.实验设置和评估指标

  • 超参数调整：研究者根据模型的不同调整了训练周期和学习率。
  • 评估指标：使用单词准确率作为主要评估指标，确保了评估的公平性。

结果与讨论

  • 幂律关系的确立：研究确立了OCR领域中模型规模、数据量和计算量与模型性能之间的幂律关系。
  • 模型训练原则：发现大规模模型更有效利用样本，特定任务预训练模型更有效，以及数据来源比例对模型性能有显著影响。
  • 性能提升：基于上述原则，研究者训练的模型在多个测试基准上达到了97.42%的新最高准确率。
  • 成本与效益：虽然大规模模型性能更好，但其训练成本也更高，因此需要仔细选择超参数以优化性能。
  • 未来方向：研究者提出未来将探索在更具挑战性的数据集上应用扩展规律，如手写文本和历史文献。

本论文的研究不仅为OCR领域提供了宝贵的见解，也为未来模型设计和训练提供了指导性原则。-

CV-OCR必读论文合集：

CV-OCR必读论文合集

希望这些论文能帮到你！如果觉得有用，记得点赞关注哦~ 后续还会更新更多论文合集！！

相关文章：

CV-OCR经典论文解读|An Empirical Study of Scaling Law for OCR/OCR 缩放定律的实证研究

论文标题 An Empirical Study of Scaling Law for OCR OCR 缩放定律的实证研究 论文链接： An Empirical Study of Scaling Law for OCR论文下载 论文作者 Miao Rang, Zhenni Bi, Chuanjian Liu, Yunhe Wang, Kai Han 内容简介 本论文在光学字符识别&#xf…...

编程日记 2025/6/3 0:06:47

从混沌到秩序：Python的依赖管理工具分析

Python 的依赖管理工具一直没有标准化，原因主要包括： 历史发展的随意性：Python发展早期对于依赖管理的重视程度不足，缺乏从一开始就进行统一规划和设计的意识 社区的分散性：Python社区庞大且分散，众多开发…...

编程日记 2025/6/2 14:11:45

【系统】Windows11更新解决办法，一键暂停

最近的windows更新整的我是措不及防，干啥都要关注一下更新的问题，有的时候还关不掉，我的强迫症就来了，非得关了你不可！ 经过了九九八十一难的研究之后，终于找到了一个算是比较靠谱的暂停更新的方法&#x…...

编程日记 2025/6/4 7:18:08

小红书关键词搜索采集 | AI改写 | 无水印下载 | 多维表格 | 采集同步飞书

小红书关键词搜索采集 | AI改写 | 无水印下载 | 多维表格 | 采集同步飞书 一、下载影刀： https://www.winrobot360.com/share/activity?inviteUserUuid595634970300317698 二、加入应用市场 https://www.yingdao.com/share/accede/?inviteKeyb2d3f22a-fd6c-4a…...

编程日记 2025/5/31 6:34:39

【原生js案例】前端封装ajax请求及node连接 MySQL获取真实数据

上篇文章，我们封装了ajax方法来请求后端数据，这篇文章将介绍如何使用 Node.js 来连接 MySQL，并对数据库进行操作。 实现效果 代码实现 后端接口处理 const express require("express"); const connection require("../da…...

编程日记 2025/6/3 4:59:26

Ubuntu将深度学习环境配置移植到新电脑

这里默认新电脑已经安装好了conda、CUDA这些，可以直接创建新的虚拟环境。 参考链接： https://blog.csdn.net/Chujun123528/article/details/143788565https://blog.csdn.net/qq_41779275/article/details/122868946https://blog.csdn.net/YajunLin/art…...

编程日记 2025/6/2 23:26:17

vue基础作业实验十

vue基础作业实验十 实验要求案例要点：代码以及思考style部分Vue.js 部分Vue 实例部分 这段代码是一个基于 Vue.js 的静态页面，功能包括商品品牌的添加、删除和搜索。 实验要求 一、实验的基本内容 （1）Vue模板语法。 &#xff08…...

编程日记 2025/6/4 6:02:21

冒泡排序（JAVA）

package com.guangyunl.f_array;import java.util.Random; import java.util.Scanner;// 数组的冒泡排序 // 冒泡排序法是采用数组中相邻元素进行比较换位 public class Demo02Bubble {public static void main(String[] args) {Demo02Bubble demo02Bubble new Demo02Bubble()…...

编程日记 2025/6/1 5:55:16

如何测量分辨率

一、什么是分辨率？ 分辨率指的是分清物体细节的能力。分辨率是一个成像系统还原空间频率的能力。一些人只是简单的用分辨率去描述极限分辨率，但是相机在在不同的对比度的情况下还原低，中和高频率的能力，也可以显示全面综合的信息。…...

编程日记 2025/6/1 15:46:46

【Mysql索引优化】索引优化的最佳实现

文章目录 【Mysql优化】索引优化的最佳实现1. 全值匹配：索引的最佳使用方式2. 最左前缀法则3. 尽量使用覆盖索引：优化查询性能。减少 select \* 语句4. 范围查询优化5. 不在索引列上做任何操作（计算、函数、（自动or手动&#xff0…...

编程日记 2025/6/3 1:48:39

centos使用mkisofs构建无人值守镜像（附官方学习文档）

安装mkisofs yum install -y mkisofs 挂载镜像并确认 并拷贝文件(/mnt 为我们的工作目录) 1.3 准备自动应答文件(保存为 ins.ks) 修改系统引导 实际上就是添加inst.ks 这个引导参数 传递应答文件 传统模式引导 UEFI模式引导 打包镜像 通用选项 -v：启用详细模式&a…...

编程日记 2025/6/3 0:21:51

Python获取当前系统中可用的串口设备

import serial.tools.list_portsdef checkDevice(self):port_data []for port in serial.tools.list_ports.comports():port_data.append(port.description)if port_data:for devInfo in port_data:self.toolLogPrinting(可用设备 devInfo)RET Trueelse:self.toolLogPrinti…...

编程日记 2025/6/1 1:00:21

基于蓝牙通信的手机遥控智能灯（论文+源码）

1.系统设计 灯具作为人们日常生活的照明工具为人们生活提供光亮，本次基于蓝牙通信的手机遥控智能灯设计功能如下： （1）用户可以通过蓝牙通信模块的作用下，在手机端遥控切换智能灯不同的工作模式； &#x…...

编程日记 2025/6/4 8:19:33

【Prometheus 】【实战篇（五）】深入解析 Prometheus 监控指标类型：Counter、Gauge、Histogram 和 Summary

Prometheus 提供了四种核心的指标类型，分别是 Counter（计数器）、Gauge（仪表）、Histogram（直方图）和 Summary（摘要）。这些指标类型在客户端库中有具体的使用说明&#xff…...

编程日记 2025/6/4 9:53:37

进程间通信方式---消息队列（System V IPC）

进程间通信方式—消息队列（System V IPC） 文章目录 进程间通信方式---消息队列（System V IPC）消息队列1.消息队列进程间通信原理2.msgget 系统调用3.msgsnd 系统调用4.msgrcv 系统调用5.msgctl 系统调用6.函数使用案例7.实现生产者…...

编程日记 2025/6/4 14:12:11

【笔记】深度学习模型评估指标

推荐链接： （0）多分类器的评价指标 （1）泛化误差的评价方法：【机器学习】模型评估与选择（留出法、交叉验证法、查全率、查准率、偏差、方差） （2）机器学习&…...

编程日记 2025/6/2 3:43:26

Python语法之列表（包含检测练习）

看完后有没有学会呢？主页有一个列表知识小检测^V^ 关注我更新更多初学实例 主页还有字典的，这个系列会持续更新 列表 列表中的查找数据（index,count,len) 一 列表的格式 【数据1，数据2， 】 index():返回指定数据…...

编程日记 2025/6/4 16:47:38

气象与旅游之间的关系，如果借助高精度预测提高旅游的质量

气象与旅游之间存在密切的关系，天气条件直接影响旅游者的出行决策、旅游体验和安全保障。通过高精度气象预测技术，可以有效提升旅游质量，为游客和旅游行业带来显著的优势。 1. 提高游客出行决策效率 个性化天气服务：基于高精度气象预测，旅游平台可以提供个性化的天气预报服…...

编程日记 2025/5/31 1:35:16

JVM（Java虚拟机）分区详情

JVM（Java虚拟机）运行时数据区是Java虚拟机的内存管理模型，它包括了多个关键的内存区域，这些区域各自承担着不同的职责，共同支持着Java程序的运行。以下是JVM运行时数据区的详细介绍： 一、整体概述 JVM运行时数据区按照线程占用的情况可以分为两类：线程共享和线程独享。…...

编程日记 2025/5/30 3:44:05

计算机组成原理的学习笔记(2)--数据表示与运算·其二 逻辑门和加减乘

学习笔记 前言 本文主要是对于b站尚硅谷的计算机组成原理的学习笔记，仅用于学习交流。 1. 逻辑门 逻辑门是数字电路中用于执行基本逻辑运算的组件。每种逻辑门都有独特的功能和特性： 与门（AND Gate）： 符号&#xff1…...

编程日记 2025/5/30 19:44:56

数据科学与SQL：如何利用本福特法则识别财务数据造假？

目录 0 本福特法则介绍 1 数据准备 2 问题分析 步骤1：提取首位数: 步骤2：计算首位数字的实际频率分布 <...

编程日记 2025/5/6 9:02:40

Mapbox-GL 的源码解读的一般步骤

Mapbox-GL 是一个非常优秀的二三维地理引擎&#xff0c;随着智能驾驶时代的到来&#xff0c;应用也会越来越广泛&#xff0c;关于mapbox-gl和其他地理引擎的详细对比&#xff08;比如CesiumJS&#xff09;&#xff0c;后续有时间会加更。地理首先理解 Mapbox-GL 的源码是一项复…...

编程日记 2025/6/3 10:08:55

常见网络命令

个人主页&#xff1a;C忠实粉丝 欢迎 点赞&#x1f44d; 收藏✨ 留言✉ 加关注&#x1f493;本文由 C忠实粉丝 原创 常见网络命令 收录于专栏【计算机网络】 本专栏旨在分享学习计算机网络的一点学习笔记&#xff0c;欢迎大家在评论区交流讨论&#x1f48c; 目录 Ping 命令 …...

编程日记 2025/6/3 15:36:54

Ubuntu上如何部署Nginx？

环境&#xff1a; Unbuntu 22.04 问题描述&#xff1a; Ubuntu上如何部署Nginx&#xff1f; 解决方案&#xff1a; 在Ubuntu上部署Nginx是一个相对简单的过程&#xff0c;以下是详细的步骤指南。我们将涵盖安装Nginx、启动服务、配置防火墙以及验证安装是否成功。 1. 更新…...

编程日记 2025/5/31 16:52:59

微店商品详情API：获取商品信息的高效途径

引言 在电商领域&#xff0c;获取商品详情是开发者和商家进行数据分析、精准营销和店铺管理的重要一环。微店作为知名的电商平台&#xff0c;提供了丰富的API接口供开发者使用&#xff0c;其中商品详情API接口尤为关键。本文将详细介绍如何使用微店API接口获取商品详情&#x…...

编程日记 2025/6/4 6:30:36

编程语言注释的方式

Python 单行注释 # 这是一个单行注释多行注释&#xff08;本质上是跨行字符串&#xff09; 这是一个多行注释的示例。它可以跨越多行。 """这是一个多行注释的示例。它可以跨越多行。 """ C 单行注释 // 这是一个单行注释 多行注释 /*这是…...

编程日记 2025/6/3 22:59:30

抓住节假日的机会调整ASO优化策略

节日季和全年的特殊活动为提高应用程序的知名度和下载量提供了独特的机会。忽略节假日意味着错过这些有限的扩大用户群的机会。相反&#xff0c;调整您的应用商店优化 (ASO) 策略以适应这些高流量时段至关重要。以下是如何在假期期间最大限度地提高应用程序的性能。 一、为什么…...

编程日记 2025/6/2 17:17:27

AOI外观缺陷检测机

主要功能&#xff1a; 快速检测产品装配缺陷&#xff0c;包括螺丝、元器件、端子排线、二维码、一维条码、识别读码、产品外观 Logo缺陷以及产品标签、字符缺陷检测等产品的缺陷检测。 设备优势&#xff1a;1.采用轻型可移动支架&#xff0c;可以快速对接产线工艺工序&am…...

编程日记 2025/6/3 12:54:56

BERT模型

目录 1.BERT介绍2.BERT框架2.1 Embedding2.2 Transformer Encoder 3.BERT可视化4.注意力六种模式4.1 模式1&#xff1a;注意下一个词4.2 模式2&#xff1a;注意前一个词4.3 模式3&#xff1a;注意相同或相关的单词4.4 模式4&#xff1a;注意“其他”句子中相同或相关词4.5 模式…...

编程日记 2025/6/4 3:54:09

Ubuntu22.04上安装esp-idf

一、安装准备# 建议使用Ubuntu 20.04 或 Ubuntu 22.04 操作系统 为了在 Ubuntu 22.04 中使用 esp-idf&#xff0c;需要安装一些依赖包 sudo apt-get install git wget flex bison gperf python3\python3-pip python3-venv cmake ninja-build ccache\libffi-dev libssl-dev dfu…...

编程日记 2025/5/29 7:39:00

Synchronous Serial Port 协议详解

1、简介 Synchronous Serial Port (SSP) &#xff0c;基于下图文档的设计标准 1.1、包含3种数据帧格式&#xff1a; a Motorola SPI-compatible interface&#xff08;以下简称SPI&#xff09;a Texas Instruments synchronous serial interface&#xff08;简写SSI&#xff…...

编程日记 2025/5/31 10:30:01

BSM和BMS什么区别？

BSM BSM&#xff08;Battery System Manager&#xff09;是指用于管理和控制电动车辆的电池系统的设备&#xff0c;其功能包括监测电池状态、控制充放电过程、保护电池安全等。 BMS BMS&#xff08;Battery Management System&#xff09;是指用于监测、控制和保护电池组的设…...

编程日记 2025/6/4 0:16:35

基于海思soc的智能产品开发（巧用mcu芯片）

【 声明&#xff1a;版权所有&#xff0c;欢迎转载&#xff0c;请勿用于商业用途。 联系信箱&#xff1a;feixiaoxing 163.com】 对于开发车规级嵌入式软件的同学来说&#xff0c;socmcu这样的组合&#xff0c;他们并不陌生。但是传统的工业领域&#xff0c;比如发动机、医疗或…...

编程日记 2025/5/31 16:52:38

R语言混合模型回归GBTM群组轨迹模型绘图可视化研究

全文链接&#xff1a;https://tecdat.cn/?p38581 在回归分析的广袤领域中&#xff0c;面对具有多条未知函数线的复杂数据时&#xff0c;传统方法常常捉襟见肘。混合模型作为一种强有力的分析手段应运而生&#xff0c;其在处理此类复杂情境时展现出独特的优势与潜力&#xff08…...

编程日记 2025/6/3 20:55:28

Flink2.0未来趋势中需要注意的一些问题

手机打字&#xff0c;篇幅不长&#xff0c;主要讲一下FFA中关于Flink2.0的未来趋势&#xff0c;直接看重点。 Flink Forward Asia 2024主会场有一场关于Flink2.0的演讲&#xff0c;很精彩&#xff0c;官方也发布了一些关于Flink2.0的展望和要解决的问题。 1.0时代和2.0时代避免…...

编程日记 2025/6/1 2:50:50

android recycleview 中倒计时数据错乱

原因 recyceleview 当页面划出屏幕外后&#xff0c;默认会有两条进入缓存区&#xff0c;这些item的结构会被保存&#xff0c;数据被清除&#xff0c;方便其他新进入屏幕的数据复用item&#xff0c;超过两条外的item会进入缓存池被完全销毁重用。 如果我们的页面上有editText 或…...

编程日记 2025/6/2 7:47:32

康冠科技嵌入式面试题及参考答案

LCD 驱动你自己做了哪些内容？ 在 LCD 驱动开发中，首先是硬件层面的理解。需要仔细研究 LCD 的数据手册，明确其引脚定义，包括电源引脚、数据引脚、控制引脚等。比如，对于常见的 RGB 接口 LCD，要清楚哪几个引脚是用于传输红、绿、蓝三种颜色的数据，以及像 VSYNC（垂直同步…...

编程日记 2025/5/31 8:51:58

FreeRTOS的任务调度

1.启动任务调度器 vTaskStartScheduler void vTaskStartScheduler( void ) { BaseType_t xReturn;/* Add the idle task at the lowest priority. */#if ( INCLUDE_xTaskGetIdleTaskHandle 1 ){/* Create the idle task, storing its handle in xIdleTaskHandle so it canbe …...

编程日记 2025/6/4 10:20:19

scala中模式匹配的应用

package test34object test6 {case class Person(name:String)case class Student(name:String, className:String)// match case 能根据 类名和属性的信息&#xff0c;匹配到对应的类// 注意&#xff1a;// 1 匹配的时候&#xff0c;case class的属性个数要对上// 2 属性名不需…...

编程日记 2025/6/4 0:09:42

基于Springboot人口老龄化社区服务与管理平台【附源码】

基于Springboot人口老龄化社区服务与管理平台 效果如下&#xff1a; 系统登陆页面 系统主页面 社区信息页面 社区文件页面 活动报名页面 走访任务管理页面 社区资讯页面 老人信息管理页面 研究背景 随着社会老龄化的加剧&#xff0c;老年人口比例逐渐增加&#xff0c;对老年…...

编程日记 2025/6/3 12:52:52

前端生成docx文档、excel表格、图片、pdf文件

一、前端将页面某区域内容下载为word文档&#xff1a;html-to-docx、file-saver插件组合使用 import HTMLtoDOCX from html-to-docx; import { saveAs } from file-saver;const exportTest async () > {const fileBuffer await HTMLtoDOCX(<h2>文件标题</h2>&…...

编程日记 2025/5/29 23:07:25

Ubantu22系统安装Miniconda3

1、Anaconda和Miniconda异同 清华源镜像的Miniconda3和Anaconda都是用于管理Python环境和软件包的工具&#xff0c;但它们之间存在一些关键的不同之处。下面将分别介绍它们的特点以及使用清华源镜像的差异。 相同点&#xff1a; &#xff08;1&#xff09;功能相似&#xff1a…...

编程日记 2025/5/31 20:17:35

详细解读TISAX认证的意义

详细解读TISAX认证的意义&#xff0c;犹如揭开信息安全领域的一颗璀璨明珠&#xff0c;它不仅代表了企业在信息安全管理方面的卓越成就&#xff0c;更是通往全球汽车供应链信任桥梁的关键一环。TISAX&#xff0c;即“Trusted Information Security Assessment Exchange”&#…...

编程日记 2025/6/4 14:28:00

kubeadm_k8s_v1.31高可用部署教程

kubeadm_k8s_v1.31高可用部署教程 实验环境部署拓扑图**部署署架构****Load Balance****Control plane node****Worker node****资源分配&#xff08;8台虚拟机&#xff09;**集群列表 前置准备关闭swap开启ipv4转发更多设置 1、Verify the MAC address and product_uuid are u…...

编程日记 2025/6/3 3:34:56

MyBatis写法汇总

Mybatis写法汇总 1. 批量操作 1.1 批量插入 <insert id"batchInsert" parameterType"java.util.List">INSERT INTO user (username, password, create_time) VALUES<foreach collection"list" item"item" separator"…...

编程日记 2025/5/29 2:59:46

【C++】优先级队列以及仿函数

本篇我们来介绍一下优先级队列 priority_queue 。优先级队列的底层是数据结构中的堆&#xff0c;在C中它是一个容器适配器&#xff0c;这个容器适配器比之前的栈和队列更复杂。 1.priority_queue的介绍 1.1 优先级队列的底层 因为优先级队列就是堆&#xff0c;堆的底层是数组…...

编程日记 2025/6/3 18:22:15

【VUE】13、安装nrm管理多个npm源

nrm&#xff08;npm registry manager&#xff09;是一个 npm 源管理器&#xff0c;它允许用户快速地在不同的 npm 源之间进行切换&#xff0c;以提高包管理的速度和效率。以下是对 nrm 使用的详细介绍&#xff1a; 1、安装nrm 在使用 nrm 之前&#xff0c;需要先确保已经安装…...

编程日记 2025/6/4 10:17:59

selenium工作原理

原文链接&#xff1a;https://blog.csdn.net/weixin_67603503/article/details/143226557 启动浏览器和绑定端口 当你创建一个 WebDriver 实例&#xff08;如 webdriver.Chrome()&#xff09;时&#xff0c;Selenium 会启动一个新的浏览器实例&#xff0c;并为其分配一个特定的…...

编程日记 2025/6/2 14:55:41

Reactor 响应式编程（第三篇：R2DBC）

系列文章目录 Reactor 响应式编程&#xff08;第一篇&#xff1a;Reactor核心&#xff09; Reactor 响应式编程&#xff08;第二篇&#xff1a;Spring Webflux&#xff09; Reactor 响应式编程&#xff08;第三篇&#xff1a;R2DBC&#xff09; Reactor 响应式编程&#xff08…...

编程日记 2025/6/3 20:57:59

从零开始掌握 React 前端框架：入门指南与实战案例

&#x1f680; 从零开始掌握 React 前端框架&#xff1a;入门指南与实战案例 &#x1f4d6; 前言 React 是由 Facebook 推出的前端框架&#xff0c;用于构建高效、可复用的用户界面&#xff08;UI&#xff09;。本文将手把手教你如何从零开始掌握 React&#xff0c;内容覆盖 …...

编程日记 2025/6/2 2:21:45