DCNet:用于古文档的退化分类的噪声强大的卷积神经网络
Fitri Arnia1,2,3, Khairun Saddami1,3, Khairul Munadi1,2
1Department of Electrical and Computer Engineering, Universitas Syiah Kuala, Banda Aceh 23111, Indonesia.
Journal of imaging
|July 31, 2024
概括
这项研究引入了一种新的抗噪声卷积神经网络 (CNN),DCNet,用于分类退化的古代文档. DCNet显著提高了分析准确性,特别是在杂的历史文档中.
科学领域:
- 数字人文学科 数字人文学科
- 计算机视觉 计算机视觉
- 文档图像分析 文档图像分析
背景情况:
- 退化古文档由于退化和数字化噪音的结合,引发了重大分析挑战.
- 来自低规格设备的噪音和不良照明进一步复杂化了文档分析.
研究的目的:
- 提出一种新的噪声强大的卷积神经网络 (CNN) 架构,DCNet,用于噪音高的古文档的降解分类.
- 为了提高在各种噪音类型的存在下古代文档分析的性能.
主要方法:
- 开发了一个基于ResNet101,MobileNetV2和ShuffleNet架构的新型降解分类网络 (DCNet).
- 引入了一个自转换层,以遵循DCNet架构.
- 经过训练和测试的DCNet使用各种噪声级别和无噪声级别的文档图像 (零平均高斯噪声和斑点噪声).
主要成果:
- 拟议的DCNet架构与标准的MobileNet,ShuffleNet和ResNet101.1相比表现出了更高的性能.
- 与传统的机器学习方法 (如支持向量机器和随机森林) 相比,DCNet取得了更好的结果.
- 这种架构在分类具有严重噪音的退化文档方面特别有效.
结论:
- 开发的DCNet是一种高效和耐噪解决方案,用于对退化古文档进行分类.
- 这一进步可以显著提高数字人文学科研究和历史文档保存的准确性和可靠性.
- 拟议的架构为处理文档分析中噪音和退化图像数据提供了一个有希望的方向.
