HTR 模型训练的挑战：来自“数字时代赋予档案以滋味”项目的反馈
计算机视觉与模式识别
2024-04-17 v4 机器学习
摘要
手写识别技术的出现为遗产研究中的研究提供了新的可能性。然而，现在有必要反思研究团队所开发的经验与实践。我们自 2018 年以来对 Transkribus 平台的使用，促使我们寻找最重要的方法来提升我们的手写文本识别（HTR）模型的性能，这些模型用于转写可追溯至 17 世纪的法文手写体。因此，本文报告了创建转写协议、全面使用语言模型以及确定使用基础模型的最佳方式以助提升 HTR 模型性能的影响。结合所有这些元素确实可以将单个模型的性能提升超过 20%（达到低于 5% 的字符错误率）。本文还讨论了有关 Transkribus 等 HTR 平台协作性的一些挑战，以及研究人员在创建或训练手写文本识别模型过程中共享其所生成数据的方式。
引用
@article{arxiv.2212.11146,
title = {The Challenges of HTR Model Training: Feedback from the Project Donner le gout de l'archive a l'ere numerique},
author = {Beatrice Couture and Farah Verret and Maxime Gohier and Dominique Deslandres},
journal= {arXiv preprint arXiv:2212.11146},
year = {2024}
}