C2F-CHART：基于课程学习的图表分类方法
计算机视觉与模式识别
2025-06-10 v2
摘要
在科学研究中，图表通常是用于直观表示数据的主要方法。然而，图表的可及性仍然是一个重要关切。为提高图表理解流程的效率，我们聚焦于优化图表分类组件。我们运用课程学习方法，这一方法灵感来自人类学习过程。在本文中，我们提出了一种新颖的图表分类训练方法，采用粗到细课程学习。我们称之为 C2F-CHART（即 coarse-to-fine），该方法利用类别间的相似性，创建不同难度水平的学习任务。我们在 ICPR 2022 CHART-Infographics UB UNITEC PMC 数据集上对方法进行基准测试，超越了当前最先进的结果。
引用
@article{arxiv.2409.04683,
title = {C2F-CHART: A Curriculum Learning Approach to Chart Classification},
author = {Nour Shaheen and Tamer Elsharnouby and Marwan Torki},
journal= {arXiv preprint arXiv:2409.04683},
year = {2025}
}
备注
This paper has been accepted for publication in the proceedings of the 2024 International Conference on Pattern Recognition (ICPR)