利用全卷积网络对高难度手写文档图像进行文本行分割
计算机视觉与模式识别
2021-01-22 v1 机器学习
摘要
本文提出一种针对高难度历史手稿图像文本行分割的方法。这些手稿图像具有狭窄的行间空白且存在部件粘连、相互穿插的元音符号,以及不一致的字体与字号。此外,它们在复杂页面版式内含有弯曲、多倾斜及多方向的旁注行。因此,边界多边形标注将极为困难且耗时。作为替代,我们依赖连接同一文本行上部件的行掩码。随后使用全卷积网络(FCN)预测这些行掩码。文献中,FCN 已成功用于规整手写文档图像的文本行分割。本文表明 FCN 同样适用于高难度手稿图像。采用一种对过分割与欠分割均敏感的新评估指标,在公开可用高难度手写数据集上的测试结果可与同一数据集上已有工作的结果相媲美。
引用
@article{arxiv.2101.08299,
title = {Text Line Segmentation for Challenging Handwritten Document Images Using Fully Convolutional Network},
author = {Berat Barakat and Ahmad Droby and Majeed Kassis and Jihad El-Sana},
journal= {arXiv preprint arXiv:2101.08299},
year = {2021}
}
备注
ICFHR 2018 16th International Conference on Frontiers in Handwriting Recognition