YALTAi：在 Kraken 引擎中使用目标检测方法替代区域分割
计算机视觉与模式识别
2024-01-17 v2 人工智能
摘要
版面分析（区域的识别及其分类）是光学字符识别及类似任务中行分割的第一步。从边缘文本或页眉页脚中识别正文文本的能力，决定了是从数字化书籍中提取完整文本还是得到含噪输出。我们指出，大多数分割器侧重于像素分类，并且尽管在2010年代早期曾是焦点，这种输出的多边形化在最新的历史文档竞赛（ICDAR 2017 及以后）中并未被用作目标。为提高效率，我们提议将该任务从基于像素分类的多边形化转向使用等距矩形的目标检测。我们在分割方面比较了 Kraken 和 YOLOv5 的输出，表明后者在小型数据集（1110 个样本及以下）上大幅优于前者。我们发布了两个用于历史文档训练和评估的数据集，以及一个新包 YALTAi，它将 YOLOv5 注入 Kraken 4.1 的分割流程中。
引用
@article{arxiv.2207.11230,
title = {You Actually Look Twice At it (YALTAi): using an object detection approach instead of region segmentation within the Kraken engine},
author = {Thibault Clérice},
journal= {arXiv preprint arXiv:2207.11230},
year = {2024}
}
备注
Journal of Data Mining and Digital Humanities, 2023, Historical Documents and automatic text recognition