HMM用于文档图像中的透视估计，无法理解算法

Question

这是一篇论文，它是关于估计包含文本和一些噪声或非文本对象的二值图像的视角。

PDF文档

该算法使用隐马尔可夫模型：实际上两个条件t -text b -backgrouond（即噪音）

算法本身很难理解。问题是我已经阅读了有关隐藏的马尔可夫模型的信息，我知道它使用了必须知道的概率。但在这个算法中我无法理解，如果他们使用 HMM，他们如何获得这些概率（将状态从 S1 更改为另一个状态（例如 S2）的概率）？

我在那篇论文中也没有找到任何有关培训的内容。所以，如果有人理解的话，请告诉我。在不知道状态变化概率的情况下是否可以使用 HMM？

编辑：可能他们正在使用一些估计，而不知道 HMM 参数（概率）

Answer 1

也许这有点太学术化了，更多地与应用数学相关而不是与编程相关？

反正：HMM 传统上是 训练有素的 （IE。通过使用已经存在的一些数据库来了解模型参数的值（在本例中为概率） 分类 数据。请参阅 鲍姆韦尔奇算法. 。本次分两个阶段：首先学习（或训练）（使用分类标记数据），然后分类（或实际工作）（使用未分类数据）是许多算法的典型特征，这被称为 监督分类.

另一方面，有时我们没有“已知”（机密）数据，因此我们必须求助于 无监督分类, ，其中我们尝试同时学习模型和分类。这是更加有限的，并且通常意味着对模型进行许多简化和参数减少（这样我们就没有那么多东西要学习）。乍一看，这似乎是那篇​​文章中采取的路径：他们不考虑完全通用的 HMM，而是考虑非常有限的 HMM，并尝试找到适合该模型的模型。但是，我又没有认真读过它。