手写文字识别模型的泛化性
机器学习
2025-06-03 v2
摘要
近期的手写文字识别（HTR）技术进展显著降低了在标准基准测试上的转录错误率，这些基准测试在独立同分布（i.i.d.）假设下进行，从而侧重于最小化分布内（ID）错误。然而，这一假设在实际应用中不成立，这促使HTR研究探索迁移学习和域适应技术。本文研究了HTR模型在泛化到分布外（OOD）数据方面的未被充分解决的局限性。我们采用域泛化的具有挑战性的设置，即模型需在无任何先验访问的情况下泛化到OOD数据。为此，我们分析了来自八个最先进HTR模型的336个OOD案例，涵盖七个常用数据集，跨越五种语言。此外，我们研究了HTR模型如何利用合成数据进行泛化。我们发现，文本在域之间之间的差异是泛化最重要的因素，其次是视觉差异。我们表明，HTR模型在OOD场景中的错误可以可靠地估计， discrepancy 在70%的情况下小于10分。我们识别了HTR模型的根本性限制，为未来研究提供了解决这一挑战的基础。
引用
@article{arxiv.2411.17332,
title = {On the Generalization of Handwritten Text Recognition Models},
author = {Carlos Garrido-Munoz and Jorge Calvo-Zaragoza},
journal= {arXiv preprint arXiv:2411.17332},
year = {2025}
}