Den auf dem 14. Internationalen Workshop on Document Analysis Systems (DAS 2020) verliehenen diesjährigen Nakano Best Paper Award gewinnen Fabian Wolf und Gernot A. Fink von der Arbeitsgruppe Mustererkennung für ihre Veröffentlichung "Annotation-free Learning of Deep Representations for Word Spotting using Synthetic Data and Self Labeling”'.
Die Arbeitsgruppe Mustererkennung setzt ihre erfolgreiche Arbeit zum Thema Word Spotting auf dem diesährigen 14. International Workshop on Document Analysis Systems (DAS 2020) fort und gewinnt den Nakano Best Paper Award. Der ursprünglich in Wuhan geplante Workshop fand nun vom 27. bis zum 29. Juli virtuell statt und bringt Forscher und industrielle Anwender zusammen, um Technologien der Dokumentenanalyse voranzutreiben. Der diesjährige Nakano Award für die beste Veröffentlichung wurde verliehen an
Fabian Wolf und Gernot A. Fink
aus der Arbeitsgruppe Mustererkennung, Fakultät für Informatik, TU Dortmund für ihre Veröffentlichung
Annotation-free Learning of Deep Representations for Word Spotting using Synthetic Data and Self Labeling.
Die Autoren erweitern ihre Arbeiten zur Schlüsselwortsuche um ein Trainingsverfahren, welches auf manuell erstellte Beispiele verzichten kann. Während neuronale Netze und maschinelles Lernen weit verbreitet sind für eine Vielzahl von Mustererkennungsproblemen, verhindert der daraus resultierende Datenbedarf häufig eine Anwendung im Bereich der Dokumentenanalyse. In ihrer Arbeit widmen sich die Autoren diesem Problem und stellen ein Verfahren vor, das ausschließlich auf Basis synthetische erzeugter Wortabbilder trainiert wird und nichtsdestotrotz auf einer Vielzahl von Datensätzen hervorragende Ergebnisse liefert.