iDocV2：利用自监督和开放集检测提升历史文档中的模式识别
计算机视觉与模式识别
2026-04-21 v1
摘要
随着数字书籍的大规模化，通过图形模式进行集合搜索变得至关重要。当前的文档检索和历史文档模式识别策略仍有待改进。最先进的策略在模式识别中实现约 0.494 的总体精度，其中小非方形查询的精度达到 0.427。此外，处理时间过长，在 DocExplore 数据集上搜索最多需要 7 秒，due to SOTA 模型使用的稠密基准策略。因此，我们提出一种基于更好编码器（iDoc）进行自监督训练，并用于加速搜索的开放集检测器的新模型。我们的模型在最先进的模式识别和文档检索方面表现出竞争力，速度提升了 10 倍。此外，我们的模型在小非方形查询上达到新的最佳性能，精度提升至 0.612。与之前版本不同，本版本利用非最大抑制以减少误报。
引用
@article{arxiv.2604.16726,
title = {iDocV2: Leveraging Self-Supervision and Open-Set Detection for Improving Pattern Spotting in Historical Documents},
author = {Jose M. Saavedra and Crhistopher Stears and Marcelo Pizarro and Cristóbal Loyola and Luis Aros},
journal= {arXiv preprint arXiv:2604.16726},
year = {2026}
}