研究人员开发了新的无监督域自适应流水线,以改进手写文本识别(HTR)和字符分类,特别适用于标记数据稀缺的专业和历史文献。第一个流水线DAGECC通过预训练专家模型,然后使用无标签目标数据进行自适应,最后以目标风格进行训练,来缩小源域和目标域之间的分布差距。该方法在Safran-MNIST-DLS数据集上达到了新的最先进水平。第二种方法DRA-HTR基于DRANet框架,通过解耦表示和自适应来专门针对HTR。它还结合了使用大型语言模型进行HTR后校正,从而显著降低了字符错误率,并提高了在多个数据集和语言上的鲁棒性。 AI
影响 这些方法可以显著提高处理历史文献和专业文本的AI系统的准确性和鲁棒性,使其更易于访问和使用。
排序理由 两篇在arXiv上发表的研究论文,详细介绍了用于手写文本识别的新型无监督域自适应流水线。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →