XiaoMi-AI文件搜索系统
World File Search SystemICDAR
2024-VOL-46-NO-2.pdf
在以前的问题中，我们一直在谈论协作。科学会议是很棒的网络机会：我们遇到其他研究人员，跟上科学研究，进行探索性谈判并开始合作。国际文档分析和认可会议（ICDAR）是IAPR的主要会议之一，具有产生重大科学和社会影响的潜力。这是参与文档分析和认可的任何方面的科学家和从业人员的首要国际活动，包括但不限于：文档图像处理；文本和符号识别；历史文档分析；手写识别；签名验证；文档摘要，翻译和分类；以及文件的索引和检索。
基于注意力的神经网络信息提取策略的比较研究
摘要。本文重点研究历史手写结婚记录中的信息提取。传统方法依赖于两个连续任务的顺序流水线：在命名实体识别之前应用手写识别。最近，人们研究了同时处理这两个任务的联合方法，并取得了最先进的成果。然而，由于这些方法已在不同的实验条件下使用，因此尚未对它们进行公平比较。在这项工作中，我们对基于相同基于注意的架构的顺序和联合方法进行了比较研究，以量化可归因于联合学习策略的收益。我们还研究了三种基于多任务或多尺度学习的新联合学习配置。我们的研究表明，依靠联合学习策略可以使完整识别分数提高 8%。我们还强调了多任务学习的兴趣，并展示了基于注意的网络对信息提取的好处。我们的工作在 Esposalles 数据库上的 ICDAR 2017 信息提取竞赛中以行级实现了最先进的性能，无需任何语言建模或后处理。
通过深度学习来推进手写签名验证：全面的研究和高精度方法
摘要 - 本文介绍了一项有关使用深度学习技术的手写签名验证的全面研究。本研究旨在应对离线签名验证的挑战，在此任务是自动区分真正的签名与伪造的挑战。所提出的方法利用了最新的深度学习模型，包括Mobilenet，Resnet50，InceptionV3和VGG19与Yolov5结合使用，以实现高精度分类和可靠的伪造检测。在多个基准数据集上评估了该系统，包括Kaggle签名，Cedar，ICDAR和SIGCOMP，在各种现实世界中展示了其有效性和鲁棒性。所提出的方法包括数据预处理技术，以增强输入手写签名图像的质量，从而使模型能够捕获基本功能和模式以进行准确的分类。结果表明，与现有的最新方法相比，提出的方法的优越性在识别真正的特征并准确检测伪造方面达到了出色的准确率（89.8％）。此外，该模型对变化数据集大小和配置的适应性进一步支持其在签名验证任务中实际部署的潜力。这项研究有助于脱机签名验证技术的发展，为确保各种应用程序中手写签名的安全性和真实性提供了可靠，有效的解决方案。