研究人员开发了一种方法，用于提高低资源历史语言的光学字符识别（OCR）能力，重点关注满语。通过结合合成和真实的历史文字图像，他们在清代手稿上实现了高达 96.28% 的词语准确率。研究发现，联合和顺序训练方法产生了相似的结果，并且紧凑型卷积循环神经网络（CRNN）在加入真实图像时也取得了高性能。互补性错误分析和基于词典的投票在没有额外训练的情况下，进一步将准确率提高到 98.27%。 AI
影响 提高了濒危语言历史档案的可访问性和可搜索性。
排序理由 学术论文，详细介绍了一种针对历史语言的 OCR 新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
