UDBNET：通过对抗博弈的无监督文档二值化网络
计算机视觉与模式识别
2020-10-28 v2
摘要
退化文档图像二值化是文档图像分析领域中最具挑战性的任务之一。本文通过引入三人极小极大对抗博弈，提出了一种面向文档图像二值化的新方法。我们在无配对训练数据的假设下以无监督设置训练网络。在我们的方法中，对抗纹理增强网络（ATANet）首先将退化参考图像的纹理叠加到干净图像上。随后，干净图像及其生成的退化版本构成伪配对数据，用于训练无监督文档二值化网络（UDBNet）。遵循此方法，我们扩充了文档二值化数据集，因为其生成了具有相同时内容特征但不同纹理特征的多个图像。这些生成的含噪图像随后被送入UDBNet以恢复干净版本。作为三人极小极大对抗博弈第三方的联合判别器试图耦合ATANet与UDBNet。当ATANet与UDBNet建模的分布随时间对齐到同一联合分布时，三人极小极大对抗博弈停止。因此，联合判别器迫使UDBNet在真实退化图像上表现更好。实验结果表明，所提模型在广泛使用的DIBCO数据集上优于现有的state-of-the-art算法。所提系统的源代码公开于 https://github.com/VIROBO-15/UDBNET。
引用
@article{arxiv.2007.07075,
title = {UDBNET: Unsupervised Document Binarization Network via Adversarial Game},
author = {Amandeep Kumar and Shuvozit Ghose and Pinaki Nath Chowdhury and Partha Pratim Roy and Umapada Pal},
journal= {arXiv preprint arXiv:2007.07075},
year = {2020}
}
备注
Accepted in ICPR 2020