使用YOLOv8、DeiT和SimCLR检测与识别希腊纸莎草纸文献中的字符
计算机视觉与模式识别
2024-02-15 v2 人工智能
摘要
目的：从纸莎草手稿的传真图像中分离和识别单个字符的能力为数字分析提供了丰富的机会。为此，作为第17届文档分析与识别国际会议的一部分，举办了“ICDAR 2023希腊纸莎草纸字母检测与识别竞赛”。本文讨论了我们提交给竞赛的方案。方法：我们使用了一个YOLOv8模型集成来检测和分类单个字符，并采用了两种不同的方法来优化字符预测，包括基于Transformer的DeiT方法和使用自监督学习方法SimCLR在大量无标签数据语料库上训练的ResNet-50模型。结果：我们的提交方案以42.2%的mAP赢得了识别挑战赛，并在检测挑战赛中以51.4%的平均精度均值（mAP）获得亚军。在更宽松的交并比阈值0.5下，我们在检测和分类方面均取得了最高的平均精度均值和平均召回率结果。结论：结果证明了这些技术在历史手稿自动字符识别方面的潜力。我们在超过4,500张来自Oxyrhynchus纸莎草纸文献的图像上运行了预测流程，以说明我们方法的实用性，并以多种格式公开发布了结果。
引用
@article{arxiv.2401.12513,
title = {Detecting and recognizing characters in Greek papyri with YOLOv8, DeiT and SimCLR},
author = {Robert Turnbull and Evelyn Mannix},
journal= {arXiv preprint arXiv:2401.12513},
year = {2024}
}