基于深度网络与域适应的真实世界字体识别
计算机视觉与模式识别
2015-04-02 v1 机器学习
摘要
我们解决一个具有挑战性的细粒度分类问题：从文本图像中识别字体风格。在该任务中，生成大量渲染字体样本十分容易，但获取真实世界带标签图像却非常困难。这种真实到合成的域鸿沟导致先前方法（Chen et al. (2014)）对新真实数据的泛化性能较差。本文中，我们借鉴卷积神经网络，并使用一种基于堆叠卷积自编码器、利用无标签真实世界图像与合成数据相结合的适应技术。所提方法在真实世界数据集上达到了高于 80%（top-5）的准确率。
引用
@article{arxiv.1504.00028,
title = {Real-World Font Recognition Using Deep Network and Domain Adaptation},
author = {Zhangyang Wang and Jianchao Yang and Hailin Jin and Eli Shechtman and Aseem Agarwala and Jonathan Brandt and Thomas S. Huang},
journal= {arXiv preprint arXiv:1504.00028},
year = {2015}
}