.png){kind=icon}
返回
Identifying Document Patterns with Limited Data
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-12879-9_19.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
文档中的模式识别在银行业等领域发挥着关键作用，因为它应用于文档分析、信息检索和异常检测等各项操作。当传统训练方法需要大量标注数据集时，挑战随之而来，这些数据集的获取成本高且耗时。这一要求限制了所开发模型的泛化能力和实际应用性。本研究在有限数据场景下评估模型性能，通过利用多模态信息和迁移学习，旨在实现准确识别并降低数据需求。能够在数据稀缺条件下训练高效模型提出了一种方法论上的演变，减少了大规模标注数据的依赖，并促进了更敏捷和可扩展的方法。我们比较了少样本学习（FSL）方法与参考模型。结果表明，即使在样本有限的情况下，也能达到与现有基准相当的性能。未来研究可能进一步探索这些方法在不同样本量下的表现及其使用一次性学习（Once Learning）方法检测未见文档模式中不同类型异常的能力。
Keyword:
document pattern identification
computer vision
anomaly detection
once-learning
期刊
机构
引用论文
Generic framework for multilingual short text categorization using convolutional neural network
PREAI
分享收藏分享收藏Automatic detection of rare pathologies in fundus photographs using few-shot learning.png)
MEDICAL IMAGE ANALYSIS
OAAI
MEDICAL IMAGE ANALYSISIF11.8
OAAI分享收藏DocLLM: A Layout-Aware Generative Language Model for Multimodal Document UnderstandingDocLLM：一种面向布局的多模态文档理解的生成式语言模型
OAAI
OAAI分享收藏Multimodal Few-Shot Target Detection Based on Uncertainty Analysis in Time-Series ImagesDRONESOAAI
DRONESIF4.8
OAAI分享收藏
查看更多内容