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

Jan, 2018

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

Document Image Classification with Intra-Domain Transfer Learning and Stacked Generalization of Deep Convolutional Neural Networks

PDF

Arindam Das, Saikat Roy, Ujjwal Bhattacharya, Swapan Kumar Parui

TL;DR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。

Abstract

In this work, a region-based deep convolutional neural network framework is proposed for document structure learning. The contribution of this work involves efficient training of region based classifiers and effe

deep convolutional neural network document structure learning inter-domain transfer learning intra-domain transfer learning ensembing

发现论文，激发创造

多尺度和多层次对比学习用于领域泛化

通过结合多层和多尺度的特征，利用深度卷积神经网络来提高图像分类器的领域泛化能力，并提出了一种新颖的目标函数，使用对比学习的方法约束提取的特征在分布转移下保持不变，实验证明该方法在多个数据集上均表现出与之前方法相比更好的性能。

Aug, 2023

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

文档图像分类卷积神经网络分析

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。

Aug, 2017

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

多级注意力 CNNs 用于领域泛化

本文提出了一种针对领域泛化问题的替代神经网络结构，该结构可以关注卷积神经网络的多个层次，利用可训练的注意机制来实现鲁棒的数据分类，同时在已有的四项领域通用基准测试中表现良好。

Apr, 2023

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

领域自适应的图像到图像翻译

提出了一种无监督域适应的通用框架，利用添加额外的网络和损失函数，通过使用图像翻译框架和特征提取实现在无需目标域训练数据的情况下，测试源域训练的深度神经网络在不同的目标域上的能力，并在分类和分割任务上，应用于 MNIST、USPS、SVHN 和 Amazon、Webcam、DSLR Office 以及 GTA5 和 Cityscapes 数据集，取得了最先进的性能。

Dec, 2017

基于组织病理图像的胶质瘤亚型分类：领域内和领域外迁移学习的实验研究

我们在本文中对用于成年型弥漫性胶质瘤的计算机辅助分类的各种迁移学习策略和深度学习架构进行了全面比较。我们评估了针对组织病理学图像目标领域的域外 ImageNet 表示的泛化能力，并研究了使用自监督和多任务学习方法进行预训练的在域适应的影响。此外，我们提出了一种半监督学习方法，其中利用微调模型来预测整张幻灯片图像的未标注区域的标签。在使用先前步骤中确定的真实标签和弱标签进行重新训练后，模型表现优异，平衡准确率为 96.91％，F1 分数为 97.07％，并最大程度地减轻了病理学家的注释工作量。最后，我们提供了一种工作在幻灯片图像级别的可视化工具，生成能突出肿瘤区域的热图，从而为病理学家提供幻灯片图像中最有信息的部分的见解。

Sep, 2023

GVdoc：基于图形的视觉文档分类

GVdoc 是一种基于图的文件分类模型，通过生成文档图并使用图神经网络学习节点和图嵌入，在保持良好性能的同时，比同类模型更好地解决了处理识别图形文档的挑战，能够在识别数据稀疏的情况下表现出色。

May, 2023

对抗训练的深度神经网络转移更佳：以图像分类为例

本文通过研究发现，针对新领域的迁移学习中，对于只有有限数据的情况下，通过对抗训练的模型相对于非对抗训练的模型具有更好的迁移性能。同时，对抗训练可以使学习到的表示偏向于保留形状而不是纹理，这影响了源模型的可迁移性，并且使用影响函数的方法发现迁移的对抗训练模型包含更多的人类可识别的语义信息，这至少部分解释了为什么对抗训练模型更实用。

Jul, 2020