تعلم قليل التدريب الفعّال لتحليل تخطيط المستندات اليدوية بدقة بكسلية

تحليل التخطيط يُعد مهمة ذات أهمية قصوى في تحليل الوثائق اليدوية القديمة، ويمثل الخطوة الأساسية نحو تبسيط المهام اللاحقة مثل التعرف البصري على الحروف وتحويل النص تلقائيًا. ومع ذلك، تعتمد العديد من النماذج المستخدمة لحل هذه المشكلة على نموذج التعلم الخاضع للإشراف الكامل. وعلى الرغم من أن هذه الأنظمة تحقق أداءً ممتازًا في هذه المهمة، فإن العيب الرئيسي هو أن عملية التصنيف الدقيق للنصوص على مستوى البكسل لجميع بيانات التدريب تُعد عملية طويلة جدًا، مما يجعل هذا النوع من المعلومات نادرًا الحضور في السياقات الواقعية. وفي هذا البحث، نعالج هذه المشكلة من خلال اقتراح إطار عمل فعّال للتعلم القليل (few-shot learning) يحقق أداءً مماثلًا لأفضل الطرق المُعتمدة على التعلم الخاضع للإشراف الكامل على مجموعة بيانات DIVA-HisDB المفتوحة للجمهور.