iForal:用于历史中世纪手稿的自动手写文本转录
Alexandre Matos1, Pedro Almeida1, Paulo L Correia2
1Instituto de Engenharia Eletrónica e Telemática de Aveiro (IEETA), Universidade de Aveiro, 3810-193 Aveiro, Portugal.
Journal of imaging
|February 25, 2025
概括
这项研究引入了一种用于转录历史葡萄牙手稿的自动化系统,大大加快了中世纪文档的进程. 开发的模型准确地识别布局,段落文本,并执行识别,帮助古典学家.
科学领域:
- 数字人文学科 数字人文学科
- 计算语言学 计算语言学
- 历史文档分析 历史文档分析
背景情况:
- 抄写历史手稿对于文化遗产的可访问性至关重要,但仍然是一个劳动密集的过程.
- 需要自动化解决方案来加快中世纪文件的转录,特别是葡萄牙的市政记录.
研究的目的:
- 开发和评估一套用于识别文本布局,细分和识别历史葡萄牙手稿的自动化系统.
- 为培训和比较转录模型提供葡萄牙中世纪文档的注释数据集.
- 为考古学家和研究人员提供更快,更准确的转录.
主要方法:
- 开发用于布局识别,文本细分和文本识别的深度学习模型.
- 使用67个中世纪葡萄牙皇家宪章文件的注释数据集.
- 使用mAP,精度,字符错误率 (CER) 和文字错误率 (WER) 等指标评估模型性能.
主要成果:
- 布局识别实现了0.98 mAP@0.50和0.98精度.
- 文本细分模型实现了0.91 mAP@0.50,检测了95%的文本行.
- 文本识别模型在测试组中产生了8.1%的CER和25.5%的WER.
结论:
- 自动化系统显著加快了历史葡萄牙手稿的转录速度,使古文学家能够更快地验证.
- 开发的模型和数据集可以作为转录其他历史手写风格的基础,可能使用转移学习.
- 这些模型与eSriptorium等平台兼容,使广泛的专家社区受益.
