利用全卷积网络识别具有挑战性的手写批注
计算机视觉与模式识别
2018-12-07 v2 机器学习
机器学习
摘要
本文介绍了一个极具挑战性的历史德文文档数据集，并评估了基于全卷积神经网络（FCNN）的方法来定位这些文档中任何形式的手写批注。手写批注可表现为下划线和文本，且使用了各种书写工具，例如铅笔的使用使数据更具挑战性。我们训练并评估了多种端到端语义分割方法并报告结果。任务是将文档的像素分为两类：背景与手写批注。最佳模型在所提出数据集的测试文档上取得了 95.6% 的平均交并比（IoU）得分。我们还展示了针对所提出数据集进行数据增强和训练的不同策略的比较。在评估中，我们使用了 ICDAR 2017 挑战性中世纪手稿版面分析竞赛的版面分析评估器。
引用
@article{arxiv.1804.00236,
title = {Recognizing Challenging Handwritten Annotations with Fully Convolutional Networks},
author = {Andreas Kölsch and Ashutosh Mishra and Saurabh Varshneya and Muhammad Zeshan Afzal and Marcus Liwicki},
journal= {arXiv preprint arXiv:1804.00236},
year = {2018}
}