用于甲骨文字识别的无监督结构-纹理分离网络
计算机视觉与模式识别
2022-05-16 v1
摘要
甲骨文是已知商代最早的中国书写系统，对考古学与语文学极为珍贵。然而，真实世界扫描的甲骨数据稀少且极少有专家可进行标注，这使得扫描甲骨字符的自动识别成为一项具有挑战性的任务。因此，我们旨在探索无监督域适应，将知识从易于获取的手写体甲骨数据迁移到扫描域。我们提出了一种结构-纹理分离网络（STSN），这是一个用于联合解耦、变换、适应与识别的端到端学习框架。首先，STSN 通过生成模型将特征解耦为结构（字形）与纹理（噪声）分量，随后在结构特征空间中对齐手写体与扫描数据，从而在适应时避免严重噪声带来的负面影响。其次，变换通过跨域交换所学纹理实现，并训练一个分类器预测变换后扫描字符的标签。这不仅保证了绝对分离，还增强了所学特征的判别能力。在 Oracle-241 数据集上的大量实验表明，STSN 优于其他适应方法，并成功提升了扫描数据上的识别性能，即便它们受到长期埋藏与粗放发掘的污染。
引用
@article{arxiv.2205.06549,
title = {Unsupervised Structure-Texture Separation Network for Oracle Character Recognition},
author = {Mei Wang and Weihong Deng and Cheng-Lin Liu},
journal= {arXiv preprint arXiv:2205.06549},
year = {2022}
}
备注
Accepted by IEEE Transactions on Image Processing (TIP)