用于自动化文档图像处理的文档图像质量度量代理模型学习
计算机视觉与模式识别
2018-07-10 v1
摘要
文档图像质量度量的计算通常依赖于存在对应于该文档的 ground truth 图像。这限制了质量度量在诸如对实时处理未见文档的图像处理算法进行超参数优化等应用中的适用性。本工作提出使用代理模型，在已有可用 ground truth 图像的数据集上学习给定文档质量度量的行为。训练后的代理模型随后可用于在先前未见的文档图像上预测度量值，而无需访问 ground truth 图像。该代理模型在文档图像二值化竞赛（DIBCO）和手写文档图像二值化竞赛（H-DIBCO）数据集上进行了经验评估。
引用
@article{arxiv.1712.03738,
title = {Learning Surrogate Models of Document Image Quality Metrics for Automated Document Image Processing},
author = {Prashant Singh and Ekta Vats and Anders Hast},
journal= {arXiv preprint arXiv:1712.03738},
year = {2018}
}