用于历史文档图像页面分割的全卷积神经网络
计算机视觉与模式识别
2018-07-25 v2
摘要
我们提出了一种高性能的全卷积神经网络（FCN）用于历史文档分割，该网络设计用于一步处理单页。除速度外，该模型的优势在于能够直接从原始像素学习，而无需使用预处理步骤，例如特征计算或超像素生成。我们表明该网络在不同公共数据集上比现有方法取得更好的结果。为评估此模型，我们引入了一种称为前景像素准确率（FgPA）的独立于模糊真值的新度量。这种基于像素的度量仅统计二值化页面中的前景像素，任何背景像素均被忽略。该度量的主要优势在于，它使研究人员能够比较不同分割方法成功分割文本或图片的能力，而不是比较它们学习并可能过拟合模糊手工真值分割特性的能力。
引用
@article{arxiv.1711.07695,
title = {Fully Convolutional Neural Networks for Page Segmentation of Historical Document Images},
author = {Christoph Wick and Frank Puppe},
journal= {arXiv preprint arXiv:1711.07695},
year = {2018}
}
备注
6 pages, 7 figures, conference