用于纸草碎片书写者检索与识别的特征混合方法
计算机视觉与模式识别
2023-06-23 v1
摘要
本文提出一种基于深度学习的方法，用于纸草的书写者检索与识别，重点在于识别与特定书写者相关的碎片以及对应于同一图像的碎片。我们提出了一种新颖的神经网络架构，将残差骨干网络与特征混合阶段相结合以提升检索性能，最终描述符由投影层导出。该方法在两个基准上评估：PapyRow，我们在书写者与页面检索上分别取得 26.6% 和 24.9% 的 mAP；以及 HisFragIR20，展示了最先进的性能（44.0% 和 29.3% mAP）。此外，我们的网络在书写者识别上的准确率为 28.7%。另外，我们开展了两种二值化技术对碎片影响的实验，表明二值化并不能提升性能。我们的代码与模型已向社区公开。
引用
@article{arxiv.2306.12939,
title = {Feature Mixing for Writer Retrieval and Identification on Papyri Fragments},
author = {Marco Peer and Robert Sablatnig},
journal= {arXiv preprint arXiv:2306.12939},
year = {2023}
}
备注
accepted for HIP@ICDAR2023