中文分层码本 HierCode

零样本识别OOV字符

利用汉字固有的层级结构，构建轻量级多热编码码本，实现零样本识别未登录字并大幅降低计算开销。

Yuyi, Zhang · Zhu, Yuanzhi · Peng, Dezhi · 张培荣 · Zhenhua, Yang · Yang, Zhibo · Yao, Cong · 金连文

Pattern Recognition 2025

技术优势

零样本识别未登录字

通过共享部首和结构，模型能识别训练时未见过的字符，无需重新训练或扩展词表。

参数和算力大幅减少

多热编码和原型学习使得模型轻量化，适合端侧部署。

行级识别更优

码本能与视觉特征直接计算相似度，在行级文本识别任务中优于现有方法。

应用场景

• 端侧OCR：轻量级码本使模型可在手机等端侧设备上高效运行中文识别。
• 古籍文本识别：零样本能力可识别古籍中未登录的异体字和生僻字。
• 场景文字识别：行级识别准确率高，适用于自然场景中的中文招牌和标识。