摘要
S.En、S.Nicolas、C.Petitjean、F.Jurie和L.Heutte。 2016年,新的公共数据集,用于识别中世纪文档图像中的模式。 《电子成像杂志》26,1(2016),011010。 谷歌学者 交叉引用 S.En、C.Petitjean、S.Nicolas和L.Heutte。 2016年,一个可扩展的历史文件模式识别系统。 模式识别54(2016),149--161。 谷歌学者 数字图书馆 S.En、C.Petitjean、S.Nicolas、L.Heutte和F.Jurie,2016年。 通过模板匹配实现历史文档图像中的模式定位。 2016年ICPR。 2054年至2059年。 谷歌学者 A.Giotis、G.Sfikas、B.Gatos和C.Nikou。 2017年,《文档图像文字识别技术调查》。 图案编号68(2017),310-332。 谷歌学者 数字图书馆 A.Lecoutre、B.Negrevergne和F.Yger。 2017.通过深度学习在绘画中自动识别艺术风格。 在ACML中。 327--342. 谷歌学者 T.Lin、P.Dollár、r.Girshick、K.He、B.Hariharan和S.Belongie。 2017.目标检测的特征金字塔网络。。 CVPR,第1卷。 三。 谷歌学者 T.Lin、P.Goyal、R.Girshick、K.He和P.DolláR。 2018.密集目标检测的焦点丢失。 IEEE传输。 PAMI(2018)。 谷歌学者 T.Lin、M.Maire、S.Belongie、J.Hays、P.Perona、D.Ramanan、P.Dollár和C.Zitnick。 2014.微软coco:上下文中的通用对象。 在ECCV中。 740--755. 谷歌学者 利蒂斯。 2016年,中世纪文档图像中的模式识别。 2019年6月7日检索自 http://spotting.univ-rouen.fr/ 谷歌学者 W.Luo、Y.Li、R.Urtasun和R.Zemel。 2016.了解深卷积神经网络中的有效感受野。 以NIPS为单位。 4898--4906. 谷歌学者 T.Rakthanmanon、Q.Zhu和E.Keogh。 2011年,搜索历史手稿中的近重复人物。 HIP’11,ACM。 14--21. 谷歌学者 J.Sanchez、V.Romero、A.Toselli、M.Villegas和E.Vidal。 2017.ICDAR2017 READ数据集手写文本识别竞赛。 2017年ICDAR。 1383--1388. 谷歌学者 X.Shen、A.Efros和M.Aubry。 2019.通过空间一致性特征学习发现艺术收藏中的视觉模式。 在CVPR中。 谷歌学者 S.Sudholt和G.Fink。 2016.PHOCNet:一种用于手写文档中的分词的深度卷积神经网络。 CoRR abs/1604.00187(2016)。 谷歌学者 J.Wan、D.Wang、S.Hoi、P.Wu、J.Zhu、Y.Zhang和J.Li.2014年。 基于内容的图像检索的深度学习:一项综合研究。 在第22届ACM国际多媒体会议上。 顶点,157-166。 谷歌学者 P.Yarlagadda、A.Monroy、B.Carque和B.Ommer。 2010.中世纪图像中物体的识别和分析。 程序中。 ACCV电子遗产研讨会。 施普林格,296--305。 谷歌学者
索引术语
基于卷积模型的历史文献模式识别