Exploiting Script Similarities to Compensate for the Large Amount of Data in Training Tesseract LSTM: Towards Kurdish OCR
نووسەران
Applied Sciences
Vol. 11(20)
pp. 9752
kewçêrê 19, 2021
پوختە
ئەم توێژینەوەیە مۆدێلی Arabic Tesseract LSTM بۆ ناسینەوەی دەقی چاپکراوی کوردیی سۆرانی گونجاندووە، بە بەکارهێنانی بڕێکی سنووردار لە داتای ڕاستەقینەی کوردی و داتای دروستکراوی فۆنت. نوسەران تێکڕای 95.45% دروستیی پیت لەسەر 11 وێنەی بەڵگەنامەی دادگا ڕاپۆرت دەکەن. هەڵسەنگاندنێکی جیاوازی Tesseract هەروەها CERی 2.93% و WERی 13.52% بۆ kur_ara ڕاپۆرت دەکات؛ ئەم ئەنجامانە لە دوو شێوازی هەڵسەنگاندنی جیاوازن.
وشە گرنگەکان
OCR
کوردیی سۆرانی
Tesseract
LSTM
دەقی چاپکراو
داتاسێتە پەیوەندیدارەکان
KurdishOCR Ground Truth
2021
522 جووتی وێنەی دێڕ و نووسینەوە بەگوێرەی توێژینەوە پەیوەندیدارەکە
PNG, TXT
داتای بنەڕەتی بڵاوکراوە بۆ توێژینەوەی OCRی دەقی چاپکراوی کوردیی سۆرانی لەلایەن Saman Idrees و Hossein Hassani. توێژینەوە پەیوەندیدارەکە 522 جووتی وێنەی دێڕ و نووسینەوە ڕاپۆرت دەکات.
نووسراوە
Idrees, S., & Hassani, H. (2021). Exploiting Script Similarities to Compensate for the Large Amount of Data in Training Tesseract LSTM: Towards Kurdish OCR. Applied Sciences, 11(20), 9752.