面向形态学书写体类型分析的可解释深度学习方法
计算机视觉与模式识别
2024-08-22 v1
摘要
定义书写体类型并为中世纪手稿建立分类标准是藏体学分析的核心问题。然而，现有的分类体系常常面临方法论挑战，如描述性局限和主观标准。我们提出一种基于可解释深度学习的方法，用于形态学书写体类型分析，该方法实现了系统且客观的分析，弥合了定性观察与量化测量之间的鸿沟。更准确地说，我们采用深度实例分割方法来学习可比较的字符型原型，代表字母的形态学特征，提供定性和量化工具用于其比较和分析。我们通过将其应用于 A. Derolez formalized 的 Textualis Formata 书写体及其两个亚型（北部和南部 Textualis）来演示我们的方法。
引用
@article{arxiv.2408.11150,
title = {An Interpretable Deep Learning Approach for Morphological Script Type Analysis},
author = {Malamatenia Vlachou-Efstathiou and Ioannis Siglidis and Dominique Stutzmann and Mathieu Aubry},
journal= {arXiv preprint arXiv:2408.11150},
year = {2024}
}
备注
Accepted at ICDAR 2024 Workshop on Computational Paleography (IWCP, 31 August - Athens, Greece)