面向历史数据集的书写者检索
计算机视觉与模式识别
2023-06-16 v2
摘要
本文提出一种无监督的书写者检索方法，其基于对关键点位置检测到的SIFT描述子进行聚类从而得到伪聚类标签。利用这些聚类标签，训练一个残差网络，其后接我们提出的NetRVLAD——一种相比NetVLAD复杂度降低的编码层，在关键点位置的32x32图像块上训练。此外，我们提出一种称为SGR的基于图的重排序算法，以利用页面嵌入的相似性来提升检索性能。我们的方法在两个历史数据集(Historical-WI与HisIR19)上进行了评估。我们包含了对不同骨干网络与NetRVLAD的评估。该方法在不使用显式编码的情况下，于历史数据集上与相关工作相竞争。通过应用我们的重排序方案，我们在两个数据集上均刷新了最先进水平，并表明我们的方法在现代数据集上也能取得可比的性能。
引用
@article{arxiv.2305.05358,
title = {Towards Writer Retrieval for Historical Datasets},
author = {Marco Peer and Florian Kleber and Robert Sablatnig},
journal= {arXiv preprint arXiv:2305.05358},
year = {2023}
}