关于文本数量对作家检索影响的研究
计算机视觉与模式识别
2025-06-10 v1
摘要
本文研究了作家检索任务，即在数据集中识别由同一作者所书写的文档，这基于手写体的相似性。虽然现有数据集和方法主要关注页面级检索，但我们探讨了文本数量对作家检索性能的影响，通过评估行级和词级检索。我们检验了三种最先进的作家检索系统，包括手工特征和深度学习方法，并使用不同文本量进行性能分析。我们的实验在 CVL 和 IAM 数据集上表明，尽管仅使用一行文本作为查询和检索库时性能下降 20-30%，但只要包含至少四行，检索准确率仍保持在整页面性能的 90% 以上。我们进一步表明，文本依赖的检索可在低文本场景中保持强性能。我们的发现还凸显了手工特征在低文本场景中的局限性，深度学习方法如 NetVLAD 在传统 VLAD 编码方面表现更佳。
引用
@article{arxiv.2506.07566,
title = {Towards the Influence of Text Quantity on Writer Retrieval},
author = {Marco Peer and Robert Sablatnig and Florian Kleber},
journal= {arXiv preprint arXiv:2506.07566},
year = {2025}
}
备注
accepted for ICDAR2025