Extraction et compréhension de texte dans les films
Bibliographic record
Abstract
Ce mémoire s’intéresse à la compréhension de texte dans les films et plus généralement à la détection et à la reconnaissance de texte dans les scènes naturelles. Il explore les modèles de langage pour la correction du texte reconnu et s’intéresse aussi à l’indexation et la recherche de contenus dans ce texte. L’idée est de pouvoir reconnaître le texte dans de grandes collections de films et de pouvoir ainsi faire des recherches de contenus particuliers. Nous proposons pour cela une méthode performante d’extraction d’images dans les fichiers vidéo en suggérant un modèle pour la détection de texte, un modèle de reconnaissance de texte, une suite d’outils pour colliger et corriger le texte reconnu et finalement l’indexation et la recherche de ce texte dans un moteur de recherche. Outre l’innovation d’unifier les modèles pour la compréhension de texte dans les films, ce mémoire contribue aussi à améliorer l’accessibilité des oeuvres de l’Office national du film du Canada (ONF) et la découvrabilité du patrimoine cinématographique Canadien. Ce mémoire se base sur la création et l’annotation d’un jeu de données ONF-Text pour identifier les modèles les plus performants pour l’ONF pour la détection, la reconnaissance et la recherche de texte dans les films. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : détection de texte, reconnaissance de texte, segmentation de texte, apprentissage profond, apprentissage automatique, traitement automatique du langage naturel, vision par ordinateur
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.006 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".