超越流水线：端到端深度学习在历史文档书写者识别中的关键因素分析

本文研究了影响端到端深度学习方法在历史书写者识别（HWI）中性能的各种因素。由于书写风格的多样性、文档退化以及每位书写者的标注样本数量有限，HWI 仍然是一项具有挑战性的任务。这些条件通常使得即使对人类专家而言也难以进行准确识别。传统的 HWI 方法通常依赖于手工设计的图像处理与聚类技术，这些方法在小型且精心整理的数据集上往往表现良好。相比之下，端到端流水线旨在通过直接从文档图像中学习特征来自动化该过程。然而，我们的实验表明，许多此类模型在更真实的文档级设置中难以泛化，尤其是在测试集中的书写者未出现在训练数据中的零样本场景下。我们探索了预处理方法、骨干网络架构与后处理策略的不同组合，包括文本分割、图像块采样与特征聚合。结果表明，由于对低级视觉特征捕获能力弱、图像块表示不一致以及对内容噪声高度敏感，大多数配置表现不佳。尽管如此，我们确定了一种端到端设置，尽管设计更简单，却取得了与表现最佳的系统相当的结果。这些发现指出了构建鲁棒的端到端系统所面临的关键挑战，并为改善历史文档书写者识别性能的设计选择提供了见解。