弱监督下用于词 spotting 的深度表示学习
计算机视觉与模式识别
2018-01-29 v3
摘要
近年来，卷积神经网络（CNNs）在计算机视觉的各个领域留下了印记。它们在文档分析领域也取得了最先进的性能。然而，CNNs 需要大量带标注的训练数据，因此耗费巨大的手工劳动。在我们的方法中，我们引入一种方法，在保持 CNN 用于手写文档中词 spotting 的高性能的同时，大幅减少人工标注工作量。该模型使用合成生成的训练数据与手写数据集训练划分的一小部分子集的组合，在弱监督下进行学习。我们表明，该网络以更短的训练时间和极少部分的标注工作量，取得了与词 spotting 最先进水平极具竞争力的结果。
引用
@article{arxiv.1712.00250,
title = {Learning Deep Representations for Word Spotting Under Weak Supervision},
author = {Neha Gurjar and Sebastian Sudholt and Gernot A. Fink},
journal= {arXiv preprint arXiv:1712.00250},
year = {2018}
}
备注
submitted to DAS 2018