基于无监督判别一致性网络的甲骨文识别
计算机视觉与模式识别
2023-12-12 v1
摘要
古代历史依赖于对古文字的研究。然而，现实世界中的扫描甲骨文字符难以收集和标注，这给甲骨文识别（OrCR）带来了重大障碍。此外，严重的磨损和类间相似性也使OrCR更具挑战性。在本文中，我们提出了一种新颖的无监督域适应方法用于OrCR，该方法能够将知识从标注的手写甲骨文字符迁移到未标注的扫描数据。我们利用伪标签将语义信息融入适应中，并约束增强一致性，使扫描样本在不同扰动下的预测保持一致，从而增强模型对磨损、污渍和变形的鲁棒性。同时，提出了一种无监督转移损失，通过优化类间和类内转移概率，在扫描域上学习更具判别性的特征。大量实验表明，我们的方法在Oracle-241数据集上取得了最先进的结果，并且比最近提出的结构-纹理分离网络显著高出15.1%。
引用
@article{arxiv.2312.06075,
title = {Oracle Character Recognition using Unsupervised Discriminative Consistency Network},
author = {Mei Wang and Weihong Deng and Sen Su},
journal= {arXiv preprint arXiv:2312.06075},
year = {2023}
}
备注
Accepted by Pattern Recognition