抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文は,手書き原稿と早期印刷のような歴史的文書に焦点を合わせて,文書画像分析のための画像データセットの系統的文献レビューを提示した。歴史的文書解析のための適切なデータセットを見出すことは,異なる機械学習アルゴリズムを用いた研究を容易にするための重要な必要条件である。しかしながら,実際のデータ(例えば,スクリプト,タスク,日付,サポートシステム,および劣化の量)の非常に大きな多様性のため,データおよびラベル表現のための異なるフォーマット,および異なる評価プロセスとベンチマーク,適切なデータセットを見つけるのは難しいタスクである。本研究はこのギャップを埋め,既存のデータセットに関するメタ研究を示す。系統的選択プロセス(PRISMAガイドラインに従って)の後,出版の年,論文で実行される方法の数,選択したアルゴリズムの信頼性,データセットサイズ,およびジャーナル出口のような異なる因子に基づいて選択した65の研究を選択した。文書分類,レイアウト構造,またはコンテンツ解析の3つの事前定義タスクの1つにそれを割り当てることによって,各研究を要約した。統計,文書タイプ,言語,タスク,入力視覚側面,およびあらゆるデータセットに対するグランドトルース情報を提示した。さらに,これらの論文または最近の競争からのベンチマークタスクと結果を提供した。さらに,この領域におけるギャップと課題を論じた。一般的なフォーマット(例えば,コンピュータビジョンタスクのためのCOCOフォーマット)に対する変換ツールを提供し,常に1つの代わりに一連の評価尺度を提供し,研究を通して結果を比較できるようにした。【JST・京大機械翻訳】