BriefGPT - AI 论文速递
·
各种基于深度学习的文档图像二值化方法的公正评估
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本研究评估了不同深度学习方法在不同数据集上的性能，发现DE-GAN在DIBCO2013数据集上表现最佳，DP-LinkNet在DIBCO2017数据集上表现最佳，2-StageGAN在DIBCO2018数据集上表现最佳，SauvolaNet在DIBCO2019数据集上优于其他方法。研究公开了代码、模型和评估，以促进未来的二值化评估。
🎯
关键要点
- 文档图像二值化是文档分析领域的重要预处理步骤。
- 本研究评估了不同深度学习方法在各种 DIBCO 数据集上的表现。
- DE-GAN 在 DIBCO2013 数据集上表现最佳。
- DP-LinkNet 在 DIBCO2017 数据集上表现最佳。
- 2-StageGAN 在 DIBCO2018 数据集上表现最佳。
- SauvolaNet 在 DIBCO2019 数据集上优于其他方法。
- 研究公开了代码、模型和评估，以促进未来的二值化评估。
➡️
