用于文档分类的模块化多模态架构
计算机视觉与模式识别
2019-12-11 v1
摘要
页面分类是任何文档分析系统的关键组成部分，允许对给定文档的不同组件采用复杂的分支控制流。所提方法利用页面的视觉与文本内容，在RVL-CDIP基准上以93.03%的测试准确率超越了当前最先进（SOTA）性能。
引用
@article{arxiv.1912.04376,
title = {Modular Multimodal Architecture for Document Classification},
author = {Tyler Dauphinee and Nikunj Patel and Mohammad Rashidi},
journal= {arXiv preprint arXiv:1912.04376},
year = {2019}
}