基于卷积神经网络的历史文档图像页面分割
计算机视觉与模式识别
2017-04-10 v2 机器学习
机器学习
摘要
本文提出了一种基于卷积神经网络（CNN）的手写历史文档图像页面分割方法。我们将页面分割视为像素标注问题，即每个像素被分类为预定义类别之一。该领域的传统方法依赖于精心手工设计的特征或大量先验知识。相反，我们提议使用CNN从原始图像像素中学习特征。尽管许多研究者专注于开发深度CNN架构以解决不同问题，我们仅训练了一个只有一个卷积层的简单CNN。我们表明，该简单架构在不同公共数据集上与其他深度架构相比取得了具有竞争力的结果。实验还证明了所提方法相较于先前方法的有效性和优越性。
引用
@article{arxiv.1704.01474,
title = {Convolutional Neural Networks for Page Segmentation of Historical Document Images},
author = {Kai Chen and Mathias Seuret},
journal= {arXiv preprint arXiv:1704.01474},
year = {2017}
}