基于分解的域自适应方法用于真实场景字体识别
计算机视觉与模式识别
2015-04-03 v4
摘要
我们提出一个域自适应框架，以解决合成训练数据与真实测试数据之间的域不匹配问题。我们在一项具有挑战性的细粒度分类任务上展示了我们的方法：从文本图像中识别字体风格。在此任务中，生成大量渲染字体样本非常容易，但获取真实世界标注图像却极为困难。这种真实到合成的域差距导致先前字体识别方法（Chen et al. (2014)）对新真实数据的泛化能力较差。本文引入一种卷积神经网络分解方法，利用大量合成训练数据语料库来获取有效的分类特征。该方法基于一种自适应技术，该技术利用堆叠卷积自编码器，结合以特定方式预处理的合成数据与大量未标注的真实世界文本图像。我们提出的 DeepFont 方法在我们收集的一个新的大型标注真实数据集上达到了超过 80% 的 top-5 准确率。
引用
@article{arxiv.1412.5758,
title = {Decomposition-Based Domain Adaptation for Real-World Font Recognition},
author = {Zhangyang Wang and Jianchao Yang and Hailin Jin and Eli Shechtman and Aseem Agarwala and Jonathan Brandt and Thomas S. Huang},
journal= {arXiv preprint arXiv:1412.5758},
year = {2015}
}
备注
This paper has been withdrawn by the author due to project concerns