Effizientes Few-Shot-Lernen für pixelgenaue Analyse von handschriftlichen Dokumentenlayouts

Die Layout-Analyse ist eine von höchster Bedeutung in der Analyse alter handschriftlicher Dokumente und stellt einen grundlegenden Schritt zur Vereinfachung nachfolgender Aufgaben wie der optischen Zeichenerkennung und der automatischen Transkription dar. Allerdings beruhen viele Ansätze zur Lösung dieses Problems auf einem vollständig überwachten Lernparadigma. Obwohl diese Systeme auf dieser Aufgabe eine hervorragende Leistung erzielen, besteht der Nachteil darin, dass die pixelgenaue Textmarkierung des gesamten Trainingsdatensatzes ein äußerst zeitaufwändiger Prozess ist, was dazu führt, dass eine solche Information in der Praxis selten verfügbar ist. In diesem Artikel greifen wir dieses Problem an, indem wir einen effizienten Few-Shot-Lernansatz vorschlagen, der Leistungen erzielt, die mit den aktuellen state-of-the-art-Methoden bei vollständig überwachtem Lernen auf dem öffentlich verfügbaren DIVA-HisDB-Datensatz vergleichbar sind.