基于端到端卷积神经网络学习的手写文本分割
计算机视觉与模式识别
2019-06-13 v1
摘要
我们提出了一种通过端到端训练卷积神经网络（CNN）进行手写文本分割的新方法。许多传统方法通过提取连通分量然后对其进行分类来解决此问题。然而，当手写成分与机器印刷部分重叠时，这种两步法存在局限性。与传统方法不同，我们为此问题开发了一个端到端的深度 CNN，无需任何预处理步骤。由于没有公开可用的数据集用于此目标，且像素级标注耗时且成本高昂，我们还提出了一种生成逼真训练样本的数据合成算法。为了训练我们的网络，我们开发了一种基于交叉熵的损失函数，以解决类别不平衡问题。在合成图像和真实图像上的实验结果显示了所提方法的有效性。具体而言，所提出的网络仅在合成图像上训练，但在真实文档中去除手写文本后，OCR 性能从 71.13% 提升至 92.50%，展示了我们网络和合成图像的泛化性能。
引用
@article{arxiv.1906.05229,
title = {Handwritten Text Segmentation via End-to-End Learning of Convolutional Neural Network},
author = {Junho Jo and Hyung Il Koo and Jae Woong Soh and Nam Ik Cho},
journal= {arXiv preprint arXiv:1906.05229},
year = {2019}
}