Information extraction from heterogeneous handwritten documents
L'objectiu d'aquesta tesi és l'extracció d'Informació de documents total o parcialment manuscrits amb una certa estructura. Bàsicament treballem amb dos escenaris d'aplicació diferent. El primer escenari són els documents moderns altament estructurats, com formularis. En aqu...
| Autor: | |
|---|---|
| Formato: | tesis doctoral |
| Fecha de publicación: | 2019 |
| País: | España |
| Recursos: | Universitat Autònoma de Barcelona |
| Repositorio: | Dipòsit Digital de Documents de la UAB |
| Idioma: | inglés |
| OAI Identifier: | oai:ddd.uab.cat:213606 |
| Acesso em linha: | https://ddd.uab.cat/record/213606 |
| Access Level: | acceso abierto |
| Palavra-chave: | Xarxes neuronals (Informàtica) Manuscrits |
| Resumo: | L'objectiu d'aquesta tesi és l'extracció d'Informació de documents total o parcialment manuscrits amb una certa estructura. Bàsicament treballem amb dos escenaris d'aplicació diferent. El primer escenari són els documents moderns altament estructurats, com formularis. En aquests documents, la informació semàntica està ja definida en camps, amb una posició concreta al document i l'extracció de la informació és equivalent a una transcripció. El segon escenari son els documents semi-estructurats totalment manuscrits on, a més de transcriure, cal associar un valor semàntic, d'entre un conjunt conegut de valors possibles, a les paraules que es transcriuen. En ambdós casos la qualitat de la transcripció té un gran pes en la precisió del sistema, per això proposem models basats en xarxes neuronals per a transcriure text manuscrit. Per a poder afrontar el repte dels documents semi-estructurats hem generat un benchmark, compost de dataset, una sèrie de tasques definides i una mètrica que es va presentar a la comunitat científica com a una competició internacional. També proposem diferents models basats en Xarxes Neuronals Convolucionals i recurrents, capaços de transcriure i assignar diferent etiquetes semàntiques a cada paraula manuscrita, és a dir, capaços d'extreure informació. |
|---|