Akmens gravējumu rakstzīmju optiskā atpazīšana ar dziļās mašīnmācīšanās metodem

Abstract

Optiskā rakstzīmju atpazīšana (OCR) ir plaši izmantota tehnoloģija, kas palīdz digitalizēt dažādu veidu tekstus. Tomēr akmens gravējumos sastopamie vizuālie defekti, piemēram, ēnas, atspīdumi, erozija un kontrasta zudums, būtiski apgrūtina teksta atpazīšanas procesu. Šajā darbā tiek pētīta un izstrādāta mērķtiecīga pieeja defektu identificēšanai un korekcijai, izmantojot jau esošas dziļās mācīšanās bibliotēkas un U-Net tipa neironu tīklu arhitektūras, lai precīzi identificētu un klasificētu attēlos sastopamos defektus. Maģistra darba ietvaros tika pierādīts, ka dziļās mācīšanās metodes ļauj efektīvi sašaurināt un precīzi noteikt specifiskus vizuālos defektus akmens gravējumu attēlos. Darbā aprakstīta dažādu U-Net bāzētu modeļu un priekšapstrādes metožu izmantošana, kas piemērotas katra konkrētā defekta korekcijai. Veiktie eksperimenti apliecina pieejas efektivitāti defektu identifikācijā un klasifikācijā, radot pamatu turpmākai attēlu apstrādei pirms OCR pielietošanas.

Optical Character Recognition of Stone Engravings Using Deep Learning Methods Optical character recognition (OCR) is a widely adopted technology aiding in the digitization of diverse textual sources. However, visual defects found in stone engravings—such as shadows, reflections, erosion, and low contrast—pose significant challenges for OCR systems. This study explores and develops a targeted approach for defect detection and correction, utilizing existing deep learning libraries and U-Net type neural network architectures to accurately identify and classify specific defects in images. Within this Master's thesis, it has been demonstrated that deep learning methods effectively narrow down and accurately identify visual defects in stone engraving images. The thesis describes the application of various U-Net based models and corresponding preprocessing methods, tailored for specific defect correction tasks. Experimental results validate the effectiveness of this approach in defect identification and classification, providing a solid foundation for further image processing improvements prior to OCR application.