用于改进异质手写表单识别的字段类型
计算机视觉与模式识别
2019-09-24 v1
摘要
离线手写识别在过去几十年中取得了持续进展。然而，现有方法通常在自由文本数据集上基准测试，这些数据集偏向于高质量图像和书写风格以及同质内容。在本文中，我们表明采用长短期记忆（long short-term memory, LSTM）层的最先进算法，由于真实世界结构化文档（如表单）高度异质且超出词汇表的内容，以及该内容固有的歧义性，不能轻易推广到此类文档。为此，我们提出在基于 LSTM 的架构中利用内容类型。此外，我们引入了一种生成合成数据以训练该架构的程序，无需昂贵的手动标注。我们在一个具有挑战性的真实世界欧洲事故声明数据集上展示了我们方法在转录文本上的有效性。
引用
@article{arxiv.1909.10120,
title = {Field typing for improved recognition on heterogeneous handwritten forms},
author = {Ciprian Tomoiaga and Paul Feng and Mathieu Salzmann and Patrick Jayet},
journal= {arXiv preprint arXiv:1909.10120},
year = {2019}
}