无监督深度学习用于手写页面分割
计算机视觉与模式识别
2021-01-20 v1
摘要
将手写文档图像分割为具有同质图案的区域，是许多文档图像分析任务的重要预处理步骤。为训练深度学习模型进行版式分析而人工标注数据需要大量人力。本文提出一种用于页面分割的无监督深度学习方法，免除了对标注图像的需求。一个连体神经网络被训练以利用斑块的可测量属性（如前景像素数、平均部件高度和宽度）来区分斑块。该网络被训练为空间邻近的斑块是相似的。网络学习到的特征用于页面分割，其中斑块根据提取的特征被分类为主文本和侧文本。我们在一个具有相当复杂版式的手写文档图像数据集上测试了该方法。实验表明，所提无监督方法与典型监督方法同样有效。
引用
@article{arxiv.2101.07487,
title = {Unsupervised Deep Learning for Handwritten Page Segmentation},
author = {Ahmad Droby and Berat Kurar Barakat and Borak Madi and Reem Alaasam and Jihad El-Sana},
journal= {arXiv preprint arXiv:2101.07487},
year = {2021}
}