Fugu-MT 論文翻訳(概要): Unsupervised Deep Learning for Handwritten Page Segmentation

論文の概要: Unsupervised Deep Learning for Handwritten Page Segmentation

arxiv url: http://arxiv.org/abs/2101.07487v1
Date: Tue, 19 Jan 2021 07:13:38 GMT
ステータス: 処理完了
システム内更新日: 2021-03-23 14:05:29.151527
Title: Unsupervised Deep Learning for Handwritten Page Segmentation
Title（参考訳）: 手書きページセグメンテーションのための教師なしディープラーニング
Authors: Ahmad Droby, Berat Kurar Barakat, Borak Madi, Reem Alaasam and Jihad El-Sana
Abstract要約: ページ分割のための教師なし深層学習法を提案する。サイアムスニューラルネットワークは、測定可能な特性を使用してパッチを区別するように訓練される。実験の結果,提案手法は通常の教師なし手法と同じくらい有効であることがわかった。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Segmenting handwritten document images into regions with homogeneous patterns is an important pre-processing step for many document images analysis tasks. Hand-labeling data to train a deep learning model for layout analysis requires significant human effort. In this paper, we present an unsupervised deep learning method for page segmentation, which revokes the need for annotated images. A siamese neural network is trained to differentiate between patches using their measurable properties such as number of foreground pixels, and average component height and width. The network is trained that spatially nearby patches are similar. The network's learned features are used for page segmentation, where patches are classified as main and side text based on the extracted features. We tested the method on a dataset of handwritten document images with quite complex layouts. Our experiments show that the proposed unsupervised method is as effective as typical supervised methods.
Abstract（参考訳）: 手書きの文書画像を均質なパターンで領域に分割することは、多くの文書画像分析タスクにおいて重要な前処理ステップである。レイアウト分析のためのディープラーニングモデルをトレーニングするための手ラベルデータには、かなりの人的労力が必要です。本稿では,注釈付き画像の必要性を排除したページセグメンテーションのための教師なしディープラーニング手法を提案する。サイムズニューラルネットワークは、前景画素数、平均コンポーネント高さと幅などの測定可能な特性を用いてパッチを区別するように訓練される。ネットワークは、空間的に近接するパッチが似ているように訓練される。ネットワークの学習した機能はページセグメンテーションに使用され、パッチは抽出された特徴に基づいてメインテキストとサイドテキストに分類される。非常に複雑なレイアウトで手書き文書画像のデータセット上で本手法を検証した。実験の結果,提案手法は通常の教師なし手法と同じくらい有効であることがわかった。
全文参考訳へのリンク