[论文解读] CITlab ARGUS for historical handwritten documents
本论文提出CITlab ARGUS系统，该系统基于多维循环神经网络（MDRNN）与联结主义时间分类（CTC），用于识别tranScriptorium数据集中历史手写文档。该系统采用混合方法，结合神经网络置信度矩阵与多种解码策略——包括词典模型与集成方法——通过稳健的预处理与先进的解码方案，在HTRtS 2015竞赛中取得最先进性能。
We describe CITlab's recognition system for the HTRtS competition attached to the 13. International Conference on Document Analysis and Recognition, ICDAR 2015. The task comprises the recognition of historical handwritten documents. The core algorithms of our system are based on multi-dimensional recurrent neural networks (MDRNN) and connectionist temporal classification (CTC). The software modules behind that as well as the basic utility technologies are essentially powered by PLANET's ARGUS framework for intelligent text recognition and image processing.
研究动机与目标
- 开发一种针对手写体文字具有高度可变性与退化特征的历史文档的鲁棒手写文本识别系统。
- 应对在行间距不一致、倾斜度变化与墨水质量差的历史手稿中识别手写文字的挑战。
- 通过神经网络建模与智能解码策略的结合，提升识别准确率。
- 利用PLANET ARGUS框架，实现文本识别流水线的可扩展与模块化开发。
- 评估并比较多种解码方案，包括词典模型与集成方法，以实现最优转录性能。
提出的方法
- 系统在标准预处理后处理行多边形图像，包括对比度归一化、尺寸调整与书写规范处理，将行高标准化为96px。
- 序列处理循环神经网络（SPRNN）对完整行图像进行处理，无需分割，生成置信度矩阵，其中每个向量估计图像每个位置的字符概率。
- 使用多种解码方案对置信度矩阵进行解码：最佳路径（Dec-BP）、CITlab表达式解码（Dec-CE）、词典模型解码（Dec-DM）以及n位专家委员会（Dec-E<n>），其中n=2至5。
- Dec-DM方案结合训练数据中的词频信息，优先选择更可能的词序列，从而提升识别准确率。
- Dec-E<n>方案结合按验证性能排序的前n个SPRNN输出，使用共识算法提升鲁棒性。
- 训练采用两种方案：trn-1（首批发10,491行）与trn-2（通过从附加页面中提取3,968行，扩展至14,479行），并通过梯度下降与验证集上的早停法调整超参数。
实验结果
研究问题
- RQ1多维循环神经网络结合CTC训练在识别具有复杂手写体变化的历史手写文档方面效果如何？
- RQ2不同解码策略——如基于表达式的规则、词典模型与集成方法——在历史文本识别中的准确率提升程度如何？
- RQ3是否可通过统一的预处理流水线对行倾斜度、倾斜角度与对比度进行归一化，显著提升在多样化历史文档上的识别性能？
- RQ4与仅依赖置信度的解码相比，解码过程中引入词频信息对转录质量有何影响？
- RQ5在历史手写文字识别中，使用多个神经网络的集成模型相比单个模型的性能增益如何？
主要发现
- 该系统通过MDRNN与先进解码策略的结合，在HTRtS 2015竞赛中取得最佳表现。
- Dec-DM（词典模型）与Dec-E<n>（n位专家委员会）解码方案显著优于简单方法如Dec-BP与Dec-CE。
- 使用包含额外提取行多边形的trn-2数据，相比仅使用trn-1，显著提升了模型泛化能力。
- 当n=5时，n位专家委员会方法取得最佳结果，证明了模型集成在处理历史手写不确定性方面的价值。
- 在Dec-DM中引入词频信息，使转录结果更合理且准确，尤其对罕见或模糊词汇效果显著。
- 基于SPRNN的置信度矩阵结合NaC（非字符）符号检测，有效处理了模糊或不确定的字符预测。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。