Jun, 2022

未转录手写文件的开放集分类

PDF
TL;DR本篇论文探讨了利用概率索引技术，对手写文本图像集合进行自动分类的问题，解决大量历史手稿数据的标签化和有效探索问题，并以西班牙 Hostórico 省的复杂公证手稿为例，取得了有希望的成果。
digital page imagesmetadata taggingautomatic document classificationprobabilistic indexingnotarial manuscripts
发现论文，激发创造
  • 手写文件的非破坏性检验的新数据集

    司法笔迹鉴定是法医科学的一个分支，旨在通过全面比较内在的局部和全局特征，检验手写文件以准确定义或假设手稿的作者。该研究提出了一个新的数据集，包括传统手写文件和数字工具（如平板电脑）生成的文件之间的比较，并展示了数据的初步结果，显示第一子集可以达到 90％的分类准确率，第二子集可以达到 96％。

    Jan, 2024

  • 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

  • 理解档案：依赖于文档的语义注释的新研究界面

    通过文本语义的语义注释，研究档案文件的构建框架和技术障碍的解决方案以及实际应用

    Mar, 2024

  • 手写文档的非破坏性检验创新方法

    通过图像处理和深度学习技术，本文提出了一个能够提取和分析手稿文档与文本行高度、单词间距和字符大小相关的内在度量的框架。通过量化待比较文档的特征向量之间的欧几里德距离，可以辨别出作者身份。我们还提出了一个新的、具有挑战性的数据集，包括 124 个不同人物撰写的 362 个手写和数字设备上的手稿。实验结果表明，我们的方法能够在不同的写作媒介中客观地确定作者身份，并超越现有技术水平。

    Oct, 2023

  • 历史文献的文本行分割：一份调查报告

    本文调研了历史文献数字化领域的文献分割、文本行分割、文字检索、鉴定和提取等方面所采用的各种方法，讨论了低质量和复杂性文献自动文本行分割的挑战。

    Apr, 2007

  • 历史手稿图像解密

    该论文围绕密码手稿展开，运用经典密码算法，发展出无监督模型实现字符分割、图像聚类和破解密文等多种技术，可自动将手稿图像转化为文本。

    Oct, 2018

  • 一个多模态多语言文件图像分类基准

    文档图像分类是一项与纯文本文档分类不同的任务，它通过理解表单、电子邮件和其他文档的内容和结构来对文档进行分类。本研究介绍了两个新的多语言数据集 WIKI-DOC 和 MULTIEURLEX-DOC，克服了现有数据集的限制。此外，本研究对以前未经测试的文档图像分类任务中的流行视觉丰富的文档理解或文档智能模型进行了全面研究，包括多标签分类和零样本跨语言迁移设置。实验结果显示多语言文档智能模型在跨语言迁移上存在一定的局限性。我们的数据集和研究结果为未来改进文档智能模型打开了大门。

    Oct, 2023

  • 元数据辅助下的最小监督文本分类

    通过使用生成模型、利用元数据和合成训练样本，提出了一个文本分类方法 MetaCat，成功地解决了分类中存在的两个问题：元数据的使用和少量标注样本数据的问题。在多个数据集上验证实验，证明了该方法的有效性。

    May, 2020

  • 巴西法律文件的序列感知多模态页面分类

    本研究探讨了巴西最高法院文件的多模式分类，采用 ResNet 与多核卷积神经网络提取视觉和文本特征以及 biLSTM 网络建模页面的序列性，发现多模式分类优于单一模式分类。

    Jul, 2022

  • 法律文件页面的上下文感知分类

    本研究提出了一种简单而有效的方法，通过引入循环来增强输入，使得预训练的 Transformer 模型可以用于上下文感知的页面分类，进而显著提高文档页面分类的性能。

    Apr, 2023