面向像素级手写文档版式分析的高效少样本学习
计算机视觉与模式识别
2023-09-27 v1 人工智能
摘要
版式分析在古代手写文档分析中是一项极为重要的任务，并作为简化后续任务（如光学字符识别与自动转写）的基础步骤。然而，许多用于解决该问题的方法依赖于全监督学习范式。尽管这些系统在此任务上取得了非常好的性能，其缺陷在于对整个训练集进行像素级文本标注是极为耗时的过程，这使得此类信息在真实场景中鲜少可得。在本文中，我们提出一种高效少样本学习框架来解决该问题，其在公开可用的 DIVA-HisDB 数据集上取得了可与当前最先进全监督方法相媲美的性能。
引用
@article{arxiv.2210.15570,
title = {Efficient few-shot learning for pixel-precise handwritten document layout analysis},
author = {Axel De Nardin and Silvia Zottin and Matteo Paier and Gian Luca Foresti and Emanuela Colombi and Claudio Piciarelli},
journal= {arXiv preprint arXiv:2210.15570},
year = {2023}
}
备注
Accepted for publication at IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2023