中文历史文献识别算法

多方向版面鲁棒

同时处理多方向文本检测、识别与阅读顺序预测，针对古籍版面特点设计。

Liu, Chongyu · Cheng, Jian · Huang, Jiarong · Yang, Wentao · Shi, Yongxia · 蒋庆 · 金连文

National Science Review 2023

技术优势

多方向都能检

专门的文本检测器可定位任意方向的文本行，避免漏检或错误合并。

识别更贴合古籍

双路径学习架构结合视觉与序列信息，提升对古籍字体和字符变体的识别能力。

自动恢复阅读顺序

基于启发式规则预测阅读顺序，为整页文档重建正确的文字流，免去人工排序。

应用场景

• 古籍数字化：自动提取古籍全文，减少逐页转录与校对的人力投入。
• 历史档案处理：批量处理历史档案，将手写和印刷材料统一转为可检索数据。
• 智慧图书馆：为馆藏古籍提供全文识别与排序，支撑内容检索和关联分析。
• 文档智能：作为文档智能的基础模块，将非结构化版面转换为结构化文本流。