피그먼트 정밀도를 갖춘 수기 문서 레이아웃 분석을 위한 효율적인 희소 샘플 학습

레이아웃 분석은 고대 수기 문서 분석에서 가장 중요한 과제 중 하나로, 광학 문자 인식 및 자동 전사와 같은 후속 작업의 단순화를 위한 기초적인 단계를 대표한다. 그러나 이 문제를 해결하기 위해 채택된 많은 접근 방식은 완전한 지도 학습 파라다임에 의존한다. 이러한 시스템은 이 과제에서 매우 우수한 성능을 달성하지만, 단점은 전체 학습 세트에 대해 픽셀 수준의 텍스트 레이블링을 수행하는 것이 매우 시간이 오래 걸린다는 점이다. 이로 인해 실제 환경에서는 이러한 정보를 거의 확보할 수 없다. 본 논문에서는 공개된 DIVA-HisDB 데이터셋에서 현재 최고 수준의 완전 지도 학습 방법과 비견되는 성능을 달성하는 효율적인 소수 샘플 학습 프레임워크를 제안함으로써 이 문제를 해결한다.