利用少量标注行提升历史文档离线手写文本识别
计算机视觉与模式识别
2021-05-25 v1
摘要
在本文中，我们面对历史文档中可用标注样本稀少且部分训练样本含标注错误时的离线手写文本识别（HTR）问题。我们提出了三项主要贡献。首先，我们分析了如何从一个大规模数据库向一个较小的历史数据库进行迁移学习（TL），并分析了模型哪些层需要微调过程。其次，我们分析了高效结合 TL 与数据增强（DA）的方法。最后，提出了一种减轻训练集中错误标注影响的算法。这些方法在 ICFHR 2018 竞赛数据库、Washington 和 Parzival 上进行了分析。结合所有这些技术，我们以极小的复杂度开销展示了测试集上 CER 的显著下降（某些情况下高达 6%）。
引用
@article{arxiv.2012.02544,
title = {Boosting offline handwritten text recognition in historical documents with few labeled lines},
author = {José Carlos Aradillas and Juan José Murillo-Fuentes and Pablo M. Olmos},
journal= {arXiv preprint arXiv:2012.02544},
year = {2021}
}