A generic image retrieval method for date estimation of historical document collections
Molina Rodríguez, Adrià (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Gomez Bigorda, Lluis (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Ramos Terrades, Oriol (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Lladós, Josep (Centre de Visió per Computador (Bellaterra, Catalunya))

Date:	2022
Abstract:	Date estimation of historical document images is a challenging problem, with several contributions in the literature that lack of the ability to generalize from one dataset to others. This paper presents a robust date estimation system based in a retrieval approach that generalizes well in front of heterogeneous collections. we use a ranking loss function named smooth-nDCG to train a Convolutional Neural Network that learns an ordination of documents for each problem. One of the main usages of the presented approach is as a tool for historical contextual retrieval. It means that scholars could perform comparative analysis of historical images from big datasets in terms of the period where they were produced. We provide experimental evaluation on different types of documents from real datasets of manuscript and newspaper images.
Grants:	Agencia Estatal de Investigación RTI2018-095645-B-C21 Agència de Gestió d'Ajuts Universitaris i de Recerca 2017/SGR-1783
Rights:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.
Language:	Anglès
Document:	Prepublicació ; recerca ; Versió de l'autor
Subject:	Cs.cv ; Cs.dl ; Cs.ir ; Date estimation ; Document retrieval ; Image retrieval ; Ranking loss ; Smooth-nDCG
Related work:	Molina, A.; Gomez, L.; Ramos Terrades, O.; Lladós, J. «A Generic Image Retrieval Method for Date Estimation of Historical Document Collections». In: Uchida, S., Barney, E., Eglin, V. (eds) Document Analysis Systems. DAS 2022. Lecture Notes in Computer Science, vol 13237 https://doi.org/110.1007/978-3-031-06555-2_39

DOI: 10.48550/arXiv.2204.04028

15 p, 13.8 MB

The record appears in these collections:
Research literature > Preprints