简化关键词 spotting:一种基于字符计数与 CTC 重评分的无分割方法
计算机视觉与模式识别
2023-08-08 v1
摘要
近期无分割关键词 spotting 的进展将该问题置于目标检测范式下,并借鉴最先进的检测系统来同时提出词边界框提议机制并计算相应表示。与此类依赖复杂且庞大的 DNN 模型的方法常态相反,我们提出了一种新颖的无分割系统,其高效扫描文档图像以找出包含查询信息的矩形区域。底层模型简单紧凑,通过隐式学习的尺度图预测矩形区域内的字符出现情况,并在词级标注图像上训练。所提出的文档扫描随后利用字符计数,通过积分图像与二分查找以经济的方式执行。最后,字符计数的检索相似度由金字塔表示与基于 CTC 的重评分算法精炼,充分利用了训练好的 CNN 模型。在两个广泛使用的数据集上的实验验证表明,尽管底层模型简单,我们的方法取得了最先进的结果,优于更复杂的替代方案。
引用
@article{arxiv.2308.03515,
title = {Keyword Spotting Simplified: A Segmentation-Free Approach using Character Counting and CTC re-scoring},
author = {George Retsinas and Giorgos Sfikas and Christophoros Nikou},
journal= {arXiv preprint arXiv:2308.03515},
year = {2023}
}