Aug, 2017

文档图像分类卷积神经网络分析

PDF
TL;DR通过对卷积神经网络 CNNs 模型对文件图像分类任务的研究，我们发现使用剪切变形的数据扩增和一个针对更大输入图像设计的架构，可以超过基准数据集的现有技术，并且我们发现使用 RVL-CDIP 训练的 CNNs 可以学习区域特定的布局特征。
convolutional neural networksdocument image classificationcnnsdata augmentationrvl-cdip dataset
发现论文，激发创造
  • 深度卷积网络在文件图像分类和检索中的评估

    本文提出了一种利用深度卷积神经网络学习特征进行文档图像分类和检索的最新技术，证实与手工制作的替代方法相比，能够更好地学习抽象特征，且具有压缩鲁棒性和跨领域迁移性，并在新的 IIT-CDIP 数据集中提供了 400,000 个文档图像用于深度学习。

    Feb, 2015

  • 卷积神经网络结构分析与优化

    本文提供了对现有技术的卷积神经网络分析和拓扑构建的全面概述，并描述和评估了一些层次分类器。此外，本文还开发了一种可视化分类错误的新方法，并在 CIFAR-100 上量化了一些结果，如在精度方面较小批量大小、平均集成、数据增强和测试时间转换等的积极影响。本文还开发了一个模型，它只有 100 万个学习参数，适用于 32x32x3 和 100 类输入，并在基准数据集 Asirra、GTSRB、HASYv2 和 STL-10 上击败了现有技术。

    Jul, 2017

  • 用于历史文档图像页面分割的卷积神经网络

    本文提出了一种基于卷积神经网络的手写历史文档图像页面分割方法，将页面分割视为像素标记问题，使用卷积神经网络从原始图像像素中学习特征，经实验验证，在不同的公共数据集上，该方法对比之前的方法，取得了更加有效和卓越的结果。

    Apr, 2017

  • 深度 CNN 和训练策略在文档图像分类上的应用研究：减少一半的错误率

    本研究通过使用深度学习和神经网络，采用迁移学习自实际图像和大规模文档图像数据集，分析训练数据量及其它参数对文档图像分类的影响，并展示通过使用最新的神经网络 (GoogLeNet，VGG，ResNet)，文本图像分类的准确度提高了超过一半。

    Apr, 2017

  • 卷积神经网络的敏感性分析与句子分类从业者指南

    本文通过敏感性分析探索了卷积神经网络的架构要素和超参数对句子分类任务的影响，并从实证结果中提出了使用 CNN 进行句子分类的实用建议。

    Oct, 2015

  • 基于领域内迁移学习和叠加深度卷积神经网络的文档图像分类

    本文提出了一种基于深度卷积神经网络的区域框架，用于文档结构学习，并实现了高效的分类器和有效的串联分类方法，同时提出了外部和内部领域迁移学习技术和基于交叉验证方法的分类器融合思想，实现对 RVL-CDIP 文档图像数据集中文档分类的最新记录 92.2％准确率。

    Jan, 2018

  • 基於深度卷積神經網絡的計算機輔助檢測：CNN 架構、數據集特徵和轉移學習

    该论文主要探讨了如何在医学成像领域中运用深度卷积神经网络实现计算机辅助检测。作者对不同的卷积神经网络结构进行了评估，并考虑了数据集规模和图像空间背景对性能的影响。文章还阐述了将 ImageNet 预训练模型迁移到医学成像问题中的有效性，并通过两个计算机辅助检测问题的实验展示了更好的性能。

    Feb, 2016

  • 用于图像分类和搜索的变换不变卷积神经网络

    该研究提出了在卷积神经网络的训练阶段中随机转换特征图以增强模型对空间变换的不变性，从而显著提高了 CNN 在图片识别等许多基准任务上的表现。

    Nov, 2019

  • 卷积神经网络用于句子分类

    使用预训练字向量对卷积神经网络进行训练，支持 fine-tuning 并结合静态和动态字向量，以提高句子级分类准确率并在多项基准测试中超越现有技术。

    Aug, 2014

  • 基于文本和图像的多模态深度网络文档分类

    本文介绍了一种多模态神经网络，结合了 OCR 提取的文本和图像信息，来对文献图像进行分类。该方法在 Tobacco3482 和 RVL-CDIP 数据集上的准确率提高了 3%。

    Jul, 2019