An Attention-Based End-to-End Model for Multiple Text Lines Recognition in Japanese Historical Documents

端到端原则 计算机科学 历史的终结 最终用户 文本识别 人工智能 万维网 政治学 政治 图像(数学) 法学
作者
Nam Tuan Ly,Cuong Tuan Nguyen,Masaki Nakagawa
标识
DOI:10.1109/icdar.2019.00106
摘要

This paper presents an attention-based convolutional sequence to sequence (ACseq2seq) model for recognizing an input image of multiple text lines from Japanese historical documents without explicit segmentation of lines. The recognition system has three main parts: a feature extractor using Convolutional Neural Network (CNN) to extract a feature sequence from an input image; an encoder employing bidirectional Long Short-Term Memory (BLSTM) to encode the feature sequence; and a decoder using a unidirectional LSTM with the attention mechanism to generate the final target text based on the attended pertinent features. We also introduce a residual LSTM network between the attention vector and softmax layer in the decoder. The system can be trained end-to-end by a standard cross-entropy loss function. In the experiment, we evaluate the performance of the ACseq2seq model on the anomalously deformed Kana datasets in the PRMU contest. The results of the experiments show that our proposed model achieves higher recognition accuracy than the state-of-the-art recognition methods on the anomalously deformed Kana datasets.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
恨安完成签到,获得积分10
刚刚
所所应助甜甜语堂采纳,获得10
刚刚
1秒前
aaa发布了新的文献求助10
1秒前
1秒前
2秒前
汉堡包应助123采纳,获得10
2秒前
Enting完成签到,获得积分10
3秒前
3秒前
Gnahz完成签到 ,获得积分10
4秒前
可爱的石头完成签到,获得积分10
4秒前
小蘑菇应助1231采纳,获得10
4秒前
彭于晏应助黄子采纳,获得10
4秒前
Maestro_S应助huhu采纳,获得10
5秒前
ZhuYJ完成签到,获得积分20
6秒前
8秒前
8秒前
友好书南发布了新的文献求助10
9秒前
aaa完成签到,获得积分10
9秒前
CipherSage应助ZhuYJ采纳,获得10
11秒前
123完成签到,获得积分10
11秒前
11秒前
平常雨泽发布了新的文献求助10
11秒前
xiyue关注了科研通微信公众号
11秒前
11秒前
辛勤泽洋完成签到,获得积分20
11秒前
11秒前
shikaly完成签到,获得积分10
12秒前
zqx完成签到 ,获得积分10
13秒前
ChouNen完成签到,获得积分10
13秒前
123发布了新的文献求助10
13秒前
梅花鹿发布了新的文献求助10
14秒前
Vesperus完成签到,获得积分10
14秒前
14秒前
酒仙发布了新的文献求助10
15秒前
11完成签到,获得积分10
15秒前
ku完成签到,获得积分10
15秒前
累啊发布了新的文献求助10
16秒前
16秒前
研友_LNM0y8完成签到,获得积分10
16秒前
高分求助中
请在求助之前详细阅读求助说明!!!! 20000
One Man Talking: Selected Essays of Shao Xunmei, 1929–1939 1000
The Three Stars Each: The Astrolabes and Related Texts 900
Yuwu Song, Biographical Dictionary of the People's Republic of China 800
Multifunctional Agriculture, A New Paradigm for European Agriculture and Rural Development 600
Bernd Ziesemer - Maos deutscher Topagent: Wie China die Bundesrepublik eroberte 500
A radiographic standard of reference for the growing knee 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 有机化学 工程类 生物化学 纳米技术 物理 内科学 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 电极 光电子学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 2479546
求助须知:如何正确求助?哪些是违规求助? 2141985
关于积分的说明 5461770
捐赠科研通 1865049
什么是DOI,文献DOI怎么找? 927186
版权声明 562922
科研通“疑难数据库(出版商)”最低求助积分说明 496074