Feb, 2018

基于图形方法的楔形文字识别

PDF
TL;DR本研究使用基于图的两种方法和距离计算，分别是基于图编辑距离的分割算法和适应于图的 CNN，实现对楔形文字的自动识别和分类，两种方法分别在训练阶段和预测阶段具有不同的计算成本和实用价值。
cuneiform scriptgraph-based methodsgraph edit distancenearest neighbor classifiercnns
发现论文，激发创造
  • 通过深度学习进行埃拉米楔形文字的定位和分类

    利用 DeepScribe 模块，能够从阿契美尼德王朝时期的楔形文字片段中，通过目标检测、分类和聚类等机器学习技术，提供有效的翻译建议。

    Jun, 2023

  • 基于卷积神经网络的楔形文字标志检测，使用带灯光增强的标注三维渲染和映射照片

    通过数字化古代近东研究（DANES）社区的挑战，我们开发了用于处理楔形文字的数字工具，这是一种镌刻在泥板上的三维文字，使用了三千多年和至少八种主要语言。我们创建和使用了 HeiCuBeDa 和 MaiCuBeDa 数据集，包含约 500 个带注释的泥板。我们的新型 OCR 样式方法针对混合图像数据，提供了一种在三维渲染和照片之间转移注释的映射工具。我们使用 GigaMesh 的 MSII（曲率，参见此处链接）基于渲染、Phong 阴影的三维模型和照片以及光照增强的图像数据进行符号定位。结果显示，使用渲染的 3D 图像进行符号检测比其他研究使用的照片效果更好。此外，我们的方法在仅使用照片时也能得到合理的结果，但在混合数据集中效果最好。更重要的是，Phong 渲染，特别是 MSII 渲染，提高了照片的结果，这是全球规模最大的数据集。

    Aug, 2023

  • 塑造历史：三千年楔形文字片的高级机器学习技术分析和测定

    基于深度学习和变分自编码器方法，针对库内容丰富的超过 94,000 张楔形文字片的数据集，通过研究其轮廓形状作为关键指标，成功实现了古代文献的自动分类和时代定位，为历史学家和铭刻学家提供了更深入的洞察和解释工具。

    Jun, 2024

  • 楔形文字符号的递归编码

    该研究提出了一种新的 “递归编码” 方法，以便计算机可以处理符号的笔画排列，从而解决楔形文字教学中检索未知符号的问题，并通过一系列新的算法使学生能够使用任何独特的组成部分来查找符号，并提供了电子形式呈现符号和文版的新方法。

    Jun, 2024

  • 楔形文字的语言和方言识别

    本文介绍了一种楔形文字语言识别（CLI）数据集，并通过这个数据集进行了一些初步的语言识别实验。同时，提供了基线实验结果。据我们所知，这里详细介绍的实验是首次在楔形文字数据上使用自动语言识别方法。

    Mar, 2019

  • 多语种印度文字的光学脚本识别

    该研究论文调查了脚本识别和文本识别的现有方法和技术，并讨论了在处理和识别脚本方面的技术改进，特别是针对印度的 12 种主要印度文字的复杂特征和高级预处理方法。

    Aug, 2023

  • 使用循环神经网络恢复不完整的巴比伦文本

    通过对主要来源于古代美索不达米亚历史文化的粘土楔形文字进行网络模型建模，研究自动补全阿奇美尼德时期巴比伦的古代阿卡德语文本中的断裂的可能性。

    Mar, 2020

  • 针对英文手写体草书和印刷体的端到端交互式深度学习标注系统

    本文介绍了一种创新的、完整的端到端流程，采用深度学习和用户交互技术，对印刷和草书英文手写手稿进行注释，该方法使用了最先进的文本识别模型构建的检测系统和自定义的深度学习模型，结合易于使用的交互式界面，旨在提高检测、分割、序列化和识别阶段的准确性，以确保高质量的注释数据，最大程度地减少人类交互。

    Apr, 2023

  • KuroNet：基于深度学习的日本古书草字体识别

    本研究提出了使用一种新的端到端模型 KuroNet 来识别日文草书体，并转录为现代日本字符。通过预测整个文本页中所有字符的位置和标识，该模型可以处理长距离上下文、大词汇量和非标准化字符布局。我们证明了该系统能够成功识别大部分旧式日本文献，同时也探讨了系统局限性，并提出了未来工作的方向。

    Oct, 2019

  • 基于句子级的手语识别框架

    本文提出了两种解决方案来解决句子级手语识别问题，并通过使用连接主义时间分类（CTC）作为两种模型的分类器层，介绍了 LRCN-based 模型和 Multi-Cue 网络的工作原理。在评估了 RWTH-PHOENIX-Weather 数据集后，作者通过进行超参数搜索，包括特征图数量、输入大小、批量大小、序列长度、LSTM 内存单元、正则化和失活等，获得了 35% 的字词错误率（WER）。

    Nov, 2022