تصنيف صور المستندات باستخدام التعلم النقل داخل المجال والتكثيف المتراكم للشبكات العصبية المعمقة القائمة على الت". 请注意，"简体阿拉伯语"并不是一个标准的语言形式，阿拉伯语并没有简化版本。如果你需要的是标准现代阿拉伯语（MSA），以上翻译即为标准现代阿拉伯语。如果有其他特定要求，请告知。

في هذا العمل، تم اقتراح إطار عمل يعتمد على الشبكات العصبية التلافيفية العميقة القائمة على المناطق لتعلم بنية الوثائق. تشمل مساهمة هذا العمل تدريب فعال للمصنفات القائمة على المناطق ودمج فعال لمصنفات صور الوثائق. يتم استخدام مستوى أولي من التعلم النقل بين المجالات (inter-domain' transfer learning) عن طريق تصدير الأوزان من هيكل VGG16 المدرب مسبقًا على مجموعة بيانات ImageNet لتدريب مصنف وثائق على صور الوثائق الكاملة. استغلالًا لطبيعة نمذجة التأثير القائم على المناطق، يتم استخدام مستوى ثانوي من التعلم النقل داخل المجال (intra-domain' transfer learning) لتدريب سريع للنماذج التي تعتمد على التعلم العميق لمقاطع الصور. أخيرًا، يتم استخدام الدمج المستند إلى التعميم المتراكم (stacked generalization based ensembling) لدمج توقعات النماذج العصبية العميقة الأساسية. يحقق الطريقة المقترحة دقة قياسية بلغت 92.2% في مجموعة بيانات صور الوثائق RVL-CDIP الشهيرة، مما يتجاوز المعايير التي حددتها الخوارزميات الموجودة حاليًا.