کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10360375 869792 2014 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Contextual text/non-text stroke classification in online handwritten notes with conditional random fields
ترجمه فارسی عنوان
طبقه بندی متون متنی / غیر متن در یادداشت های دست خط آنلاین با حروف تصادفی شرطی
کلمات کلیدی
اسناد دستنویس آنلاین پیش بینی ساختاری، طبقه بندی سکته مغزی زمینه های تصادفی محض، جدایی متن / غیر متن،
ترجمه چکیده
تجزیه و تحلیل یادداشت های دست نویس آنلاین یک مشکل چالش برانگیز است به دلیل ناهمگونی محتوا و فقدان دانش قبلی، به عنوان کاربران آزاد هستند برای نوشتن اسناد که متن، نقاشی، جداول و یا نمودار را ترکیب می کند. وظیفه جداسازی متن از سکته های غیر متن از اهمیت اساسی در رابطه با تفسیر خودکار و نمایه سازی این اسناد است، اما حل این مشکل نیازمند مدل سازی دقیق از اطلاعات متنی، مانند روابط فضایی و زمانی بین سکته مغزی است. در این مقاله، ما یک مطالعه جامع از مدل سازی اطلاعات متنی برای طبقه بندی سکته مغزی متن / غیر متن را در اسناد دستنویس آنلاین ارائه می کنیم. فرمولبندی مشکل با یک فیلد تصادفی شرطی مجاز به ادغام و ترکیب چندین منبع از زمینه، مانند چندین نوع از تعاملات فضایی و زمانی. نتایج تجربی در یک پایگاه داده عمومی قابل دسترس از اسناد آزاد دست نشانده برتر بودن رویکرد ما و به نفع ترکیب اطلاعات متنی برای حل دسته بندی متن / غیر متن است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
طبقه بندی متون متنی / غیر متن در یادداشت های دست خط آنلاین با حروف تصادفی شرطی
چکیده انگلیسی
Analysing online handwritten notes is a challenging problem because of the content heterogeneity and the lack of prior knowledge, as users are free to compose documents that mix text, drawings, tables or diagrams. The task of separating text from non-text strokes is of crucial importance towards automated interpretation and indexing of these documents, but solving this problem requires a careful modelling of contextual information, such as the spatial and temporal relationships between strokes. In this work, we present a comprehensive study of contextual information modelling for text/non-text stroke classification in online handwritten documents. Formulating the problem with a conditional random field permits to integrate and combine multiple sources of context, such as several types of spatial and temporal interactions. Experimental results on a publicly available database of freely hand-drawn documents demonstrate the superiority of our approach and the benefit of contextual information combination for solving text/non-text classification.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 47, Issue 3, March 2014, Pages 959-968
نویسندگان
, ,