PageNet：历史手写文档中的页面边界提取
计算机视觉与模式识别
2017-09-07 v1
摘要
在将文档数字化为图像时，通常包含周围边框区域以直观表明图像中包含完整文档。然而，在自动化处理之前应去除该边框。本工作中，我们提出一种基于深度学习的系统 PageNet，其识别图像中的主页面区域，以便从文本和非文本边框噪声中分割内容。在 PageNet 中，全卷积网络获得像素级分割，并后处理为输出的四边形区域。我们在 4 个历史手写文档集合上评估 PageNet，在所有数据集上获得超过 94% 的平均交并比，并在其中 2 个集合上接近人类表现。此外，我们展示 PageNet 能够分割叠加在其他文档之上的文档。
引用
@article{arxiv.1709.01618,
title = {PageNet: Page Boundary Extraction in Historical Handwritten Documents},
author = {Chris Tensmeyer and Brian Davis and Curtis Wigington and Iain Lee and Bill Barrett},
journal= {arXiv preprint arXiv:1709.01618},
year = {2017}
}
备注
HIP 2017 (in submission)