OCR-PT-CT项目：基于度量学习的古埃及象形文字半自动识别
图像与视频处理
2026-01-01 v1
摘要
数字人文正在显著改变埃及学家研究古埃及文本的方式。OCR-PT-CT项目提出了一种基于Adriaan de Buck（1935-1961）的棺椁文（CT）和James Allen（2006）的中王国时期棺椁上的金字塔文（PT）图像的象形文字识别方法。该系统识别象形文字并将其转写为Gardiner编码。一个网络工具按咒语和文献版本对其进行组织，并将数据以CSV格式存储，以便与MORTEXVAR数据集集成，该数据集收集了带有元数据、转写和翻译的棺椁文以供研究。识别通过两种方式解决：一个在140个象形文字类别上训练的Mobilenet神经网络达到了93.87%的准确率，但在代表性不足的类别上表现不佳。一种新颖的深度度量学习方法提高了对新符号或数据有限符号的灵活性，达到了97.70%的准确率，并能识别更多象形文字。由于其在类别不平衡下的优越性能和适应性，最终系统采用深度度量学习作为默认分类器。
引用
@article{arxiv.2512.24197,
title = {The OCR-PT-CT Project: Semi-Automatic Recognition of Ancient Egyptian Hieroglyphs Based on Metric Learning},
author = {David Fuentes-Jimenez and Daniel Pizarro and Álvaro Hernández and Adin Bartoli and César Guerra Méndez and Laura de Diego-Otón and Sira Palazuelos-Cagigas and Carlos Gracia Zamacona},
journal= {arXiv preprint arXiv:2512.24197},
year = {2026}
}