التعرف على أحرف Qin Seal Script بمعلومات غامضة وغير كاملة
محتوى المقالة الرئيسي
الملخص
يعد التحديد الموثوق والفعال لأحرف نص ختم تشين أمرًا محوريًا في اكتشاف القيم الثقافية المميزة التي تجسدها هذه القطع الأثرية والحفاظ عليها ووراثتها. تستخدم هذه الورقة رسومًا بيانية للصور لميزات التدرجات الموجهة (HOG) ونموذج SVM لمناقشة نموذج التعرف على الأحرف لتحديد أحرف نص ختم Qin الجزئية وغير الواضحة. يحقق النموذج التعرف الدقيق على مجموعة بيانات صغيرة وغير متوازنة. أولاً، تم إنشاء مجموعة بيانات لعينات صور البرنامج النصي لختم تشين، وتم استخدام التصفية الغوسية لإزالة ضوضاء الصورة. وبعد ذلك، تقوم خوارزمية تحويل جاما بضبط سطوع الصورة وتعزيز التباين بين بنيات الخطوط وخلفيات الصورة. بعد سلسلة من عمليات المعالجة المسبقة، يتم استخراج ميزات الرسوم البيانية التدرجية الموجهة (HOG) من الصور. أثناء التدريب على النموذج، يتم تعيين أوزان مختلفة للفئات ذات كميات عينات مختلفة لمعالجة مشكلة عدم التوازن الطبقي وتحسين دقة تصنيف النموذج. أظهرت النتائج أن النموذج حقق دقة قدرها 95.30%. يمكن أن يساعد هذا البحث المؤرخين في التعرف بسرعة على محتوى النص واستخراجه من آثار تشين سليب الثقافية المكتشفة حديثًا، مما يختصر دورة بناء قاعدة بيانات تاريخية.
Received 30/09/2023
Revised 10/02/2024
Accepted 12/02/2024
Published 25/02/2024
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Chen L, Lyu B, Tomiyama H, Meng L. A method of Japanese ancient text recognition by deep learning. Procedia Computer Science. 2020 Jan 1;174:276-9. https://doi.org/10.1016/j.procs.2020.06.084.
Nagane AS, Patil CH, Mali SM. Classification of Brahmi script characters using HOG features and multiclass error-correcting output codes (ECOC) model containing SVM binary learners. In2023 International Conference on Intelligent and Innovative Technologies in Computing, Electrical and Electronics (IITCEE) 2023 Jan 27 (pp. 448-451). IEEE.https://doi.org/10.1109/IITCEE57236.2023.10091084
Narang S, Jindal MK, Kumar M. Devanagari ancient documents recognition using statistical feature extraction techniques. Sādhanā. 2019 Jun;44:1-8. https://doi.org/10.1007/s12046-019-1126-9.
Suryanarayana G, Chandran K, Khalaf OI, Alotaibi Y, Alsufyani A, Alghamdi SA. Accurate magnetic resonance image super-resolution using deep networks and Gaussian filtering in the stationary wavelet domain. IEEE Access. 2021 May 5;9:71406-17. https://doi.org/10.1109/ACCESS.2021.3077611.
Zhang L, Wang X, Dong X, Sun L, Cai W, Ning X. Finger vein image enhancement based on guided tri-Gaussian filters. ASP Transactions on Pattern Recognition and Intelligent Systems. 2021 Apr 27;1(1):17-23. http://dx.doi.org/10.52810/TPRIS.2021.100012.
Shi Z, Feng Y, Zhao M, Zhang E, He L. Normalised gamma transformation‐based contrast‐limited adaptive histogram equalisation with colour correction for sand–dust image enhancement. IET Image Processing. 2020 Mar;14(4):747-56. https://doi.org/10.1049/iet-ipr.2019.0992.
Li G, Yang Y, Qu X, Cao D, Li K. A deep learning based image enhancement approach for autonomous driving at night. Knowledge-Based Systems. 2021 Feb 15;213:106617. https://doi.org/10.1016/j.knosys.2020.106617.
Zhou RG, Liu DQ. Quantum image edge extraction based on improved sobel operator. International Journal of Theoretical Physics. 2019 Sep 15;58:2969-85. https://doi.org/10.1007/s10773-019-04177-6.
Pang Y, Yuan Y, Li X, Pan J. Efficient HOG human detection. Signal processing. 2011 Apr 1;91(4):773-81.
Abdulmajeed AA, Tawfeeq TM, Al-jawaherry MA. Constructing a software tool for detecting face mask-wearing by machine learning. Baghdad Science Journal. 2022 Jun 1;19(3):0642-. https://doi.org/10.21123/bsj.2022.19.3.0642.
He H, Garcia EA. Learning from imbalanced data. IEEE Transactions on knowledge and data engineering. 2009 Jun 26;21(9):1263-84. https://doi.org/10.1109/TKDE.2008.239.
Khanday AM, Khan QR, Rabani ST. Detecting textual propaganda using machine learning techniques. Baghdad Science Journal. 2021 Mar 10;18(1):0199-. https://doi.org/10.21123/bsj.2021.18.1.019.