通过微调 PaddleOCRv5 提升四维文献语音处理的 OCR 效果
计算机视觉与模式识别
2025-12-02 v2 计算与语言
摘要
识别和处理古代中文（汉-喃）文本在数字化越南历史文件和实现跨语言语义研究中发挥着关键作用。然而，现有的 OCR 系统在面对降级扫描件、非标准字形和手写变体时难以胜任。本文提出了一种针对 PaddleOCRv5 的微调方法，以提高 Han-Nom 文本的字符识别效果。我们使用精选的越南古代中文手稿子集进行文本识别模块的重新训练，配合完整的训练管道，包括预处理、LMDB 转换、评估和可视化。实验结果显示，基线模型准确率显著提升，从37.5%提高到50.0%，尤其在噪声图像条件下效果更为突出。此外，我们开发了一个交互式演示，用于直观比较微调前后的识别结果，促进了汉-越南语义对齐、机器翻译和历史语言学研究等下游应用。该演示可在 https://huggingface.co/spaces/MinhDS/Fine-tuned-PaddleOCRv5 访问。
关键词
引用
@article{arxiv.2510.04003,
title = {Enhancing OCR for Sino-Vietnamese Language Processing via Fine-tuned PaddleOCRv5},
author = {Minh Hoang Nguyen and Su Nguyen Thiet},
journal= {arXiv preprint arXiv:2510.04003},
year = {2025}
}
备注
Short Paper: 7 pages, 8 figures, 3 tables