文档图像表示的正确方式是什么？
计算机视觉与模式识别
2016-12-05 v3
摘要
本文中，我们研究了基于视觉特征的文档图像表示问题。我们提出了一项综合实验研究，比较了三种类型的视觉文档图像表示：(1) 传统的所谓浅层特征，如RunLength和Fisher-Vector描述子，(2) 基于卷积神经网络（Convolutional Neural Networks）的深度特征，以及 (3) 从受前两者启发的混合架构中提取的特征。我们使用多个公开和内部数据集，在多个任务（即分类、聚类和检索）和不同设置（例如域迁移）下评估这些特征。我们的结果表明，当不存在域偏移且新任务与用于训练模型的任务密切相关时，深度特征通常优于其他类型的特征。然而，当存在较大的域或任务偏移时，Fisher-Vector浅层特征泛化更好，并且经常获得最佳结果。
引用
@article{arxiv.1603.01076,
title = {What is the right way to represent document images?},
author = {Gabriela Csurka and Diane Larlus and Albert Gordo and Jon Almazan},
journal= {arXiv preprint arXiv:1603.01076},
year = {2016}
}