误差减半：用于文档图像分类的极深CNN与先进训练策略研究
计算机视觉与模式识别
2018-03-28 v1
摘要
我们对近期深度学习架构、算法和策略在文档图像分类任务上进行了详尽研究，最终将误差降低一半以上。现有方法（如DeepDocClassifier）应用标准卷积网络架构并结合来自目标识别领域的迁移学习。本文的贡献有三方面：首先，研究了近期引入的极深神经网络架构（GoogLeNet、VGG、ResNet）使用迁移学习（从真实图像）。其次，提出了来自大量文档图像集（即400,000份文档）的迁移学习。第三，分析了训练数据量（文档图像）及其他参数对分类能力的影响。我们使用两个数据集：Tobacco-3482和大规模RVL-CDIP数据集。我们在Tobacco-3482数据集上达到了91.13%的准确率，而早期方法仅达到77.6%。因此，实现了超过60%的相对误差降低。对于大规模数据集RVL-CDIP，达到了90.97%的准确率，对应于11.5%的相对误差降低。
引用
@article{arxiv.1704.03557,
title = {Cutting the Error by Half: Investigation of Very Deep CNN and Advanced Training Strategies for Document Image Classification},
author = {Muhammad Zeshan Afzal and Andreas Kölsch and Sheraz Ahmed and Marcus Liwicki},
journal= {arXiv preprint arXiv:1704.03557},
year = {2018}
}