利用合成数据生成与基于 Transformer 的模型增强古文献中的目标检测
计算机视觉与模式识别
2023-08-01 v1
摘要
古文献的研究为我们窥探过去提供了窗口。然而，这些文献中常见的低图像质量与复杂细节给准确的目标检测带来了重大挑战。本研究的目标是通过减少误检并提升精度来增强古文献中的目标检测。为此，我们提出一种方法，包括通过计算中介生成合成数据集，并将视觉特征提取整合进目标检测流程。我们的方法包含将对象与其组成部分相关联，并引入视觉特征图以使模型能够区分不同符号与文献元素。通过实验，我们证明了改进的目标检测对古文字学领域具有深远影响，可实现深入分析并促进对这些珍贵历史文物的更好理解。
引用
@article{arxiv.2307.16005,
title = {Enhancing Object Detection in Ancient Documents with Synthetic Data Generation and Transformer-Based Models},
author = {Zahra Ziran and Francesco Leotta and Massimo Mecella},
journal= {arXiv preprint arXiv:2307.16005},
year = {2023}
}
备注
6 pages, 0 figures, 1 algorithm