基于膨胀卷积网络的端到端文档语义分割

摘要

本文采用膨胀卷积网络,实现端到端从文档图像中提取语义结构.膨胀卷积的优势在于提取多尺度上下文信息的同时,并不会损失空间分辨率.该模型使用带残差的膨胀卷积网络提取图像特征,并预测每个像素的类别标签.卷积部分作为特征提取器,能够获得多维度层级图像特征,反卷积部分输出全分辨率的语义预测结果.每个像素的概率值决定其语义类别标签.为了更好地理解分割粒度级别,实验设计了3组不同分割粒级数据集的测试.从文档细粒度到粗粒度级别的分割实验结果表明,语义数据分布的不平衡特点和网络深度都是影响该网络模型的重要因素.该模型可测试于人工智能教育平台英伟达Jetson Nano机器.