Classify blocks as handwritten or printed text
Los mantenedores suelen responder en 1 día
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 8/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Stack tecnológico
- python
- Área
- machine-learning
Línea de trabajo
The issue names no file, module or test in docTR; the only pointer is an external handwritten-text-recognition repository linked from the body. Start by reading the existing text recognition and detection code to see how blocks are represented, and decide whether a classifier fits there. Done would need a design agreed with maintainers, since the issue sets no scope, dataset or interface.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
🚀 The feature
It would be good to have a classifier internally which can distinguish blocks as handwritten or printed text. This is useful because most of the documents that I have seen has both the elements and while sometimes handwritten is important that the treatment of handwritten data is done differently than printed text data.
Motivation, pitch
I am working on extracting text from medical documents which has some parts such as hospital and doctor details as printed text and medicine name and dosage as hand written text. I would want to be able to treat them differently while running text extraction.
Alternatives
No response
Additional context
https://github.com/awslabs/handwritten-text-recognition-for-apache-mxnet
No response
- Lenguaje dominante
- Python
- Estrellas
- 6.4k
- Forks
- 684
- Merge medio
- 20 h 40 min
- PR fusionados (30 d)
- 30
Preparar el entorno
- Incluye un Dockerfile o un archivo de Docker Compose
- Sin plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de mindee/doctr
-
ext: tests topic: ci type: enhancement
Dificultad 3/5 Medio día Aptitud para principiantes 45/100
mindee/doctr#2171 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Per-task YAML configuration for the reference training scriptsPosiblemente ocupada @felixdittrich92 la tomó hace 23 días. Abiertoext: references topic: documentation type: new feature
mindee/doctr#2149 · 1 comentario · 1 asignado ·
Los mantenedores suelen responder en 1 día
-
Release tracker - v1.2.0Quizá libre de nuevo @felixdittrich92 la tomó hace 65 días y no hay ningún pull request abierto. Abiertocritical
mindee/doctr#2126 · 1 asignado ·
Los mantenedores suelen responder en 1 día
-
[table structure] Extend table structure datasetQuizá libre de nuevo @simont2k la tomó hace 86 días y no hay ningún pull request abierto. Abiertotopic: table comprehension
mindee/doctr#2119 · 1 comentario · 1 asignado ·
Los mantenedores suelen responder en 1 día
-
type: enhancement
Dificultad 5/5 Más de una semana Aptitud para principiantes 12/100
Los mantenedores suelen responder en 1 día
Todos los issues de mindee/doctr
Issues similares
-
[oblt-aw][autodoc] Update workflow docs for gh-aw v0.92.5 and detector permission scopePosiblemente ocupada @github-actions la tomó hoy. Abierto
Dificultad 1/5 1-3 horas Aptitud para principiantes 88/100
Los mantenedores suelen responder en 1 día
-
enhancement
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
Los mantenedores suelen responder en 1 día
-
feat(ide): VS Code access through the shipped MCP server (config doc and tool-list smoke test)Abiertoroadmap-100
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
Los mantenedores suelen responder en 1 día
-
comp/tools P2 tool/browser tool/file type/bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
NousResearch/hermes-agent#143418 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
python-hyper/uritemplate#164 ·