CompTLL-UNet：基于 JPEG 系数深度特征学习的复杂手写文档压缩域文本行定位
计算机视觉与模式识别
2023-08-14 v1 机器学习
摘要
手写文档中文本行的自动定位仍是一个开放且具有挑战性的研究问题。当考虑直接在各自压缩表示下对复杂手写文档图像进行分割时，行间距不均、文本摆动与粘连以及倾斜存在等各类书写问题变得更具挑战性。这是因为，处理压缩文档的常规方式是通过解压缩，但在本文中，我们提出了一种思路，即直接从 JPEG 压缩系数中利用深度特征学习而无需完全解压缩，以在 JPEG 压缩域中完成文本行定位。我们设计了一种称为压缩文本行定位网络（CompTLL-UNet）的改进 U-Net 架构来实现该目标。该模型使用包括 ICDAR2017 (cBAD) 和 ICDAR2019 (cBAD) 在内的基准数据集的 JPEG 压缩版本进行训练与测试，在 JPEG 压缩域中以更低的存储与计算成本报告了当前最优（SOTA）性能。
引用
@article{arxiv.2308.06142,
title = {CompTLL-UNet: Compressed Domain Text-Line Localization in Challenging Handwritten Documents using Deep Feature Learning from JPEG Coefficients},
author = {Bulla Rajesh and Sk Mahafuz Zaman and Mohammed Javed and P. Nagabhushan},
journal= {arXiv preprint arXiv:2308.06142},
year = {2023}
}
备注
Accepted in 7th Asian Conference on Pattern Recognition (ACPR 2023), 5-8 November 2023, Kitakyushu, Japan