基于深度监督孪生网络的相似度文本识别
计算机视觉与模式识别
2016-07-06 v5 机器学习
摘要
本文提出一种新的文本识别模型，该模型基于度量文本的视觉相似度并预测未标注文本的内容。首先，在标注训练数据集上以深度监督训练一个孪生卷积网络。该网络将文本投影到相似度流形中。深度监督孪生网络学习文本的视觉相似度。然后使用 K 近邻分类器基于到标注文本的相似度距离来预测未标注文本。该模型的性能在三个印刷体与手写文本混合的数据集上进行了评估。我们证明该模型将人工估计的成本降低了 。系统误差小于 。由于深度监督，所提模型通过寻找视觉相似的可读性差的与可读文本（例如印刷体、手写体）超越了常规孪生网络。结果还表明，预测的标签有时优于人工标签，例如拼写纠正。
引用
@article{arxiv.1511.04397,
title = {Similarity-based Text Recognition by Deeply Supervised Siamese Network},
author = {Ehsan Hosseini-Asl and Angshuman Guha},
journal= {arXiv preprint arXiv:1511.04397},
year = {2016}
}
备注
Accepted for presenting at Future Technologies Conference - (FTC 2016) San Francisco, December 6-7, 2016