Un conjunto de datos de referencia para la segmentación de líneas de texto en documentos de hoja de palma. | JoVE Visualize

Área de la Ciencia:

Las Humanidades Digitales.
Ciencias de la información Ciencias de la información.
Preservación del patrimonio cultural Preservación del patrimonio cultural

Sus antecedentes:

Los manuscritos de hojas de palma representan un medio de escritura histórico significativo en el sur y el sudeste de Asia, que contiene un vasto conocimiento en todas las disciplinas.
Estos manuscritos invaluables son susceptibles a la degradación por el envejecimiento y los factores ambientales, lo que requiere esfuerzos urgentes de preservación.
La digitalización es crucial para salvaguardar y difundir el conocimiento contenido en estos textos antiguos.

Objetivo del estudio:

Para hacer frente a la falta de diversos conjuntos de datos para la digitalización de manuscritos de hojas de palma.
Para mejorar la segmentación y el reconocimiento de líneas de texto para mejorar el rendimiento de la digitalización.
Introducir un recurso valioso para los investigadores en el campo del análisis de documentos históricos.

Principales métodos:

Desarrollo de LeafOCR-Line, un nuevo conjunto de datos que comprende 1710 líneas de texto de manuscritos enmascarados de hojas de palma.
Inclusión de anotaciones de nivel de deterioro para cada manuscrito dentro del conjunto de datos.
Llevar a cabo extensos experimentos para validar la calidad y utilidad del conjunto de datos.

Principales resultados:

El conjunto de datos LeafOCR-Line proporciona un recurso diverso y anotado para la segmentación de líneas de texto en hojas de palma.
Los resultados experimentales confirman la alta calidad y aplicabilidad práctica del conjunto de datos propuesto.
El conjunto de datos facilita la investigación para una digitalización más robusta y precisa de los manuscritos históricos.

Conclusiones:

LeafOCR-Line es una contribución significativa al campo de la digitalización de manuscritos de hojas de palma.
El conjunto de datos servirá como un valioso recurso público para el avance de la investigación en la segmentación y el reconocimiento de líneas de texto.
Se espera que la disponibilidad de LeafOCR-Line acelere el progreso en la preservación y el acceso al conocimiento histórico asiático.