微调是手写识别中出奇有效的域适应基线
计算机视觉与模式识别
2025-05-01 v2
摘要
在许多机器学习任务中，可同时获得一个大型通用数据集和一个小型专用数据集。在此类情形下，可使用各种域适应方法将通用模型适配到目标数据集。我们表明，对于使用CTC训练的手写识别神经网络，此类场景中简单带数据增强的微调效果出奇地好，且即使对于非常小的目标域数据集也能抵抗过拟合。我们在写者相关与写者无关设定下，评估了微调相对于增强、训练数据规模及预训练网络质量的行为。在一个大型真实数据集上，对新写者微调在16文本行时提供了平均25%的相对CER改善，在256文本行时提供了50%的改善。
引用
@article{arxiv.2302.06308,
title = {Fine-tuning Is a Surprisingly Effective Domain Adaptation Baseline in Handwriting Recognition},
author = {Jan Kohút and Michal Hradiš},
journal= {arXiv preprint arXiv:2302.06308},
year = {2025}
}