基于无监督注意力正则化的无监督域适应 Oracle 字符识别
计算机视觉与模式识别
2024-09-25 v1
摘要
Oracle 字符的研究在中国考古学和文学史中占据重要位置。然而, 收集和标注真实世界的扫描版 Oracle 字符的困难阻碍了 Oracle 字符识别的发展。本文开发了一种新型无监督域适应（UDA）方法, 即无监督注意力正则化网络（UARN），用于将标记手印 Oracle 字符上的识别知识迁移到未标记的扫描数据。首先, 我们实证证明现有的 UDA 方法并不总是符合人类先验知识, 无法在目标域实现最佳性能。对于那些具有翻转不敏感性和高类别相似性的 Oracle 字符, 模型解释不够翻转一致且类别可分离。为解决这一挑战, 我们考虑视觉感知合理性进行适应。具体而言, 本方法在原始图像和翻转图像之间的注意力保持一致, 以实现模型对翻转的鲁棒性。同时, 我们约束注意力在伪类别和最易混淆类别之间的可分性, 以提高模型的判别能力。大量实验表明, UARN 在解释性方面更佳, 并在 Oracle-241 数据集上实现了最先进的性能, 显著优于之前的结构-纹理分离网络高出 8.5%。
引用
@article{arxiv.2409.15893,
title = {Unsupervised Attention Regularization Based Domain Adaptation for Oracle Character Recognition},
author = {Mei Wang and Weihong Deng and Jiani Hu and Sen Su},
journal= {arXiv preprint arXiv:2409.15893},
year = {2024}
}