english Icono del idioma   español Icono del idioma  

Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12008/51273 Cómo citar
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorBelzarena, Diego-
dc.contributor.authorMowlavi, Seginus-
dc.contributor.authorArtola, Aitor-
dc.contributor.authorMariño, Camilo-
dc.contributor.authorGardella Oddone, Marina Paola-
dc.contributor.authorRamírez Paulino, Ignacio-
dc.contributor.authorTadros, Antoine-
dc.contributor.authorHe, Roy-
dc.contributor.authorBottaioli, Natalia-
dc.contributor.authorRajaei, Boshra-
dc.contributor.authorRandall, Gregory-
dc.contributor.authorMorel, Jean-Michel-
dc.date.accessioned2025-08-28T14:52:42Z-
dc.date.available2025-08-28T14:52:42Z-
dc.date.issued2025-
dc.identifier.citationBelzarena, D., Mowlavi, S., Artola, A. y otros. Improving OCR using internal document redundancy [Preprint]. Publicado en: ICDAR 2025 - The 19th International Conference on Document Analysis and Recognition, Wuhan, Hubei, China, 16-21 sep. 2025, pp. 1-28. https://arxiv.org/abs/2508.14557.es
dc.identifier.urihttps://hdl.handle.net/20.500.12008/51273-
dc.description.abstractCurrent OCR systems are based on deep learning models trained on large amounts of data. Although they have shown some ability to generalize to unseen data, especially in detection tasks, they can struggle with recognizing low-quality data. This is particularly evident for printed documents, where intra-domain data variability is typically low, but inter-domain data variability is high. In that context, current OCR methods do not fully exploit each document’s redundancy. We propose an unsupervised method by leveraging the redundancy of character shapes within a document to correct imperfect outputs of a given OCR system and suggest better clustering. To this aim, we introduce an extended Gaussian Mixture Model (GMM) by alternating an Expectation-Maximization (EM) algorithm with an intra-cluster realignment process and normality statistical testing. We demonstrate improvements in documents with various levels of degradation, including recovered Uruguayan military archives and 17th to mid-20th century European newspapers.es
dc.format.extent28 p.es
dc.format.mimetypeapplication/pdfes
dc.language.isoenes
dc.rightsLas obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)es
dc.subjectOCRes
dc.subjectDigital humanitieses
dc.titleImproving OCR using internal document redundancyes
dc.typePreprintes
dc.contributor.filiacionBelzarena Diego, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.contributor.filiacionMowlavi Seginus, Université Paris-Saclay, France-
dc.contributor.filiacionArtola Aitor, City University of Hong Kong, China-
dc.contributor.filiacionMariño Camilo, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.contributor.filiacionGardella Oddone Marina Paola, Université Paris-Saclay, France-
dc.contributor.filiacionRamírez Paulino Ignacio, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.contributor.filiacionTadros Antoine, Determinant France, Paris, France-
dc.contributor.filiacionHe Roy, City University of Hong Kong, China-
dc.contributor.filiacionBottaioli Natalia, Université Paris-Saclay, France-
dc.contributor.filiacionRajaei Boshra, Sadjad University, Mashhad, Iran-
dc.contributor.filiacionRandall Gregory, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.contributor.filiacionMorel Jean-Michel, City University of Hong Kong, China-
dc.rights.licenceLicencia Creative Commons Atribución (CC - By 4.0)es
udelar.academic.departmentProcesamiento de Señaleses
udelar.investigation.groupTratamiento de Imageneses
Aparece en las colecciones: Publicaciones académicas y científicas - Instituto de Ingeniería Eléctrica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato   
BMAMGRTHBRRM25.pdfPreprint26,35 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons