基于高效少样本学习的像素级手写文档版面分析

版面分析在古籍手写文档分析中是一项至关重要的任务，是实现后续任务（如光学字符识别和自动转录）简化的基础步骤。然而，目前大多数解决该问题的方法均依赖于完全监督学习范式。尽管这类系统在该任务上取得了优异的性能，但其缺点在于，对整个训练集进行像素级文本标注的过程极为耗时，导致此类精细标注数据在实际应用场景中极为稀缺。本文针对这一问题，提出了一种高效的少样本学习框架，在公开可用的DIVA-HisDB数据集上，其性能可与当前最先进的完全监督方法相媲美。