面向历史手稿 N-gram 定位的少样本多表征方法
计算机视觉与模式识别
2022-09-22 v1
摘要
尽管自动文本识别近期取得进展，在历史手稿上性能仍属中等。这主要是因为可用于训练数据饥渴的手写文本识别 (HTR) 模型的标注数据稀缺。关键词定位系统 (KWS) 因错误率降低提供了 HTR 的有效替代，但其通常受限于封闭参考词汇表。本文中，我们提出一种用于定位少数字符序列 (N-gram) 的少样本学习范式，其仅需少量标注训练数据。我们展示重要 n-gram 的识别可降低系统对词汇表的依赖。在此情形下，输入手写行图像中的集外词 (OOV) 可以是属于词典的 n-gram 序列。我们提出的多表征方法在 Bentham 历史手稿集的子集上进行了广泛实验评估，在此方向上获得了一些非常有前景的结果。
引用
@article{arxiv.2209.10441,
title = {A Few Shot Multi-Representation Approach for N-gram Spotting in Historical Manuscripts},
author = {Giuseppe De Gregorio and Sanket Biswas and Mohamed Ali Souibgui and Asma Bensalah and Josep Lladós and Alicia Fornés and Angelo Marcelli},
journal= {arXiv preprint arXiv:2209.10441},
year = {2022}
}
备注
Accepted in ICFHR 2022