Deepdocclassifier : Classification de documents avec un réseau de neurones convolutionnel profond

Cet article présente une approche basée sur un réseau de neurones convolutionnel profond (CNN) pour la classification d'images de documents. Une des principales exigences de l'architecture des CNN profonds est qu'ils nécessitent un grand nombre d'échantillons pour l'entraînement. Pour surmonter ce problème, nous adoptons un CNN profond qui est entraîné à l'aide d'un grand ensemble de données d'images contenant des millions d'échantillons, c'est-à-dire ImageNet. Le travail proposé surpasse à la fois les méthodes de similarité structurelle traditionnelles et les approches basées sur les CNN proposées précédemment. La précision de l'approche proposée, avec seulement 20 images par classe, dépasse l'état de l'art en atteignant une précision de classification de 68,25 %. Les meilleurs résultats sur l'ensemble de données Tobbacoo-3428 montrent que notre méthode proposée surpasse celle de l'état de l'art par une marge significative, atteignant une précision médiane de 77,6 % avec 100 échantillons par classe utilisés pour l'entraînement et la validation.