使用深度学习算法进行历史文本线细分:Mask-RCNN与U-Net网络对比.

科学领域:

• 计算机视觉 计算机视觉
• 文档图像分析 文档图像分析
• 人工智能的人工智能

背景情况:

• 文本行细分对于文本转录算法至关重要.
• 目前基于U-Net的深度学习网络 (ARU-Net,dhSegment,Doc-UFCN) 需要后处理,例如细分.
• 面具R-CNN提供直接实例细分能力.

研究的目的:

• 为了比较Mask R-CNN与基于U-Net的网络在历史文档中进行文本细分的性能.
• 评估不同细分网络对手写文本识别 (HTR) 的影响.

主要方法:

• 在历史文档数据集上,直接比较Mask R-CNN与基于U-Net的网络 (ARU-Net,dhSegment,Doc-UFCN).
• 使用标准线段化指标进行评估.
• 评估Mask R-CNN在光罩处理中的有效性.
• 使用不同细分网络的输出来比较HTR性能.

主要成果:

• 与ARU-Net,dhSegment和Doc-UFCN相比,Mask R-CNN在文本行细分指标方面表现出更好的表现.
• 性能评估从光罩加工中获益,而不是仅仅依赖原始口罩.
• 面具R-CNN集成导致了增强的手写文本识别 (HTR) 准确性.

结论:

• 面具R-CNN对于历史文档中的直接文本行实例细分比基于U-Net的架构更有效.
• 优化了面具处理,改善了细分评估.
• 使用Mask R-CNN进行细分对下游的HTR任务产生了积极的影响.