NeuroPapyri：一种用于手写莎草纸文献检索的深度注意力嵌入网络
计算机视觉与模式识别
2024-08-16 v1 数字图书馆
摘要
计算机视觉与机器学习的交叉融合已成为推进历史研究、促进我们更深入探索过去的一条有前景的途径。然而，机器学习方法在历史古文书学中的应用常因其被视为“黑箱”而受到批评。为应对这一挑战，我们引入了NeuroPapyri，这是一个创新的深度学习模型，专为分析包含古希腊莎草纸文献的图像而设计。为了解决透明度和可解释性方面的问题，该模型集成了注意力机制。这种注意力机制不仅提升了模型性能，还提供了对决策过程有显著贡献的图像区域的可视化表示。该模型专门针对处理带有手写文本行的莎草纸文档图像进行了校准，利用个体注意力图来指示输入图像中特定字符的存在与否。本文介绍了NeuroPapyri模型，包括其架构和训练方法。评估结果证明了NeuroPapyri在文档检索中的有效性，展示了其在推进历史手稿分析方面的潜力。
引用
@article{arxiv.2408.07785,
title = {NeuroPapyri: A Deep Attention Embedding Network for Handwritten Papyri Retrieval},
author = {Giuseppe De Gregorio and Simon Perrin and Rodrigo C. G. Pena and Isabelle Marthot-Santaniello and Harold Mouchère},
journal= {arXiv preprint arXiv:2408.07785},
year = {2024}
}