不同笔画，不同人：基于历史阿拉伯手稿的作家识别
摘要
手写阿拉伯手稿保存了阿拉伯世界的知识与文化遗产，作家识别有助于 provenance 鉴定及历史分析。使用 Muharaf 数据集的历史阿拉伯手稿，我们评估了从单个线图像进行作家识别，并据此提供首次在线水平和页-不相交评估协议下的基准。由于该数据集在作家识别标签上仅部分标注，我们手动验证并扩充了公共部分从 6,858 条 (28.00%) 到 21,249 条线 (86.75%) 共 24,495 条线图像，纠正不一致并去除非手写文本。进一步过滤后，我们保留了 18,987 条线 (77.51%)。我们提出一种基于卷积神经网络 (CNN) 的模型，包含注意力机制，用于闭合集作家识别，包括将罕见的两位作家线建模为复合作家对类。我们对四十一种配置进行基准测试，并在不同的特征提取器和训练方案之间进行消融分析。为评估对未见页面的泛化能力，页-不相交协议将每个页面的所有线分配给单个 split。在线水平协议下，使用注意力微调的 DenseNet201 实现了 99.05% 的 Top-1 准确率、99.73% 的 Top-5 准确率和 97.44% 的 F1 分数。在更具挑战性的页-不相交协议下，最佳结果为 78.61% 的 Top-1 准确率、87.79% 的 Top-5 准确率和 66.55% 的 F1 分数，从而量化了页面级线索的影响。通过扩充 Muharaf 数据集的标注子集并报告两种协议，我们提供了更清晰的基准和面向历史学家和语言学家从事文化和历史性文件研究的实用资源。代码和实现细节已在 GitHub 上提供。
引用
@article{arxiv.2604.22515,
title = {Different Strokes for Different Folks: Writer Identification for Historical Arabic Manuscripts},
author = {Hamza A. Abushahla and Ariel Justine N. Panopio and Layth Al-Khairulla and Mohamed I. AlHajri},
journal= {arXiv preprint arXiv:2604.22515},
year = {2026}
}
备注
29 pages, 13 figures, 31 tables. Accepted for publication in the International Journal on Document Analysis and Recognition (IJDAR)