Ottoman archives explorer

Yalnız, İsmet Zeki; Altıngövde, İsmail Sengör; Güdükbay, Uğur; Ulusoy, Özgür

doi:10.1145/1658346.1658348

Cited by 17 publications

(3 citation statements)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Osmanlıca OCR çalışmaları 2000'li yılların başına doğru başlamıştır [3][4][5]. OCR'da başarı elde etmek güç olduğundan OCR'a bir alternatif olarak görüntü içinde görüntü arama ve eşleştirme yöntemi ile arşivdeki dokümanlara harf, harf gövdesi veya harf katarı ile içerik tabanlı erişim çalışmaları da yapılmaya başlanmıştır [6][7][8][9][10]. 2000'li yıllarda klasik makine öğrenmesi yöntemlerinden Support Vector Machines [11], Hidden Markov Models [3,12] Linear Discrimant Analysis [13], Yapay Sinir Ağları [14] kullanarak yapılan çalışmalara ek olarak çizge-tabanlı algoritmalar [15] kullanarak ta OCR çalışmaları yapılmıştır.…”

Section: Benzer çAlışmalar (Related Work)unclassified

Derin sinir ağlarıyla Osmanlıca optik karakter tanıma

DÖLEK>

Kurt

2023

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

Bu makalede "Osmanlıcadan Günümüz Türkçesine Uçtan Uca Aktarım Projesi" kapsamında geliştirilen ve nesih hattıyla basılmış Osmanlıca (Osmanlı Türkçesi) doküman görüntülerini derin sinir ağı modelleriyle metne dönüştüren web tabanlı bir optik karakter tanıma (OCR) sistemi sunulmuştur. Sistemin derin sinir ağı mimarisi görüntü tanımada yaygın kullanılan CNN katmanlarından ve doğal dil işlemede yaygın kullanılan bir RNN türü olan iki yönlü LSTM katmanlarından oluşmaktadır. Eğitim için orijinal, sentetik ve hibrit olmak üzere 3 farklı veri kümesi hazırlanmış ve bunlarla aynı isimde 3 farklı OCR modeli oluşturulmuştur. Orijinal veri seti yaklaşık 1.000 sayfadan, sentetik veri seti ise yaklaşık 23.000 sayfadan oluşmaktadır. Geneline Osmanlica.com OCR adı verilen bu 3 model Tesseract’ın Arapça ve Farsça, Google Docs’ın Arapça, Abby FineReader’ın Arapça ve Miletos firmasının OCR model/araçlarıyla test için hazırladığımız 21 sayfalık orijinal doküman kümesi kullanılarak karşılaştırılmıştır. Kesin referans ve OCR çıktı metinleri kullanıcı ve yazılım kaynaklı hatalar içerdiğinden karşılaştırmadan önce metinler özel bir normalizasyon sürecinden geçirilmiştir. Karşılaştırma ham, normalize ve bitişik olmak üzere 3 farklı metin ve karakter, katar ve kelime tanıma olmak üzere 3 farklı ölçüt ile yapılmıştır. Osmanlica.com Hibrit modeli karakter tanımada %88,86 ham, %96,12 normalize ve %97,37 bitişik doğruluk oranlarıyla; bağlı karakter katarı tanımada %80,48 ham, %91,60 normalize ve %97,37 bitişik doğruluk oranlarıyla; kelime tanımada %44.08 ham ve %66.45 normalize doğruluk oranlarıyla diğer modellerden belirgin şekilde daha iyi sonuçlar üretmiştir. Makalede Osmanlı alfabesinin kendine özgü karakteristiklerinin OCR üstündeki etkilerini gözlemlemek için Osmanlıcanın karakter, katar ve kelime ölçütlerinde sıklık analizi çalışması yapılmıştır. Bu sıklık analizi çalışmasında alfabedeki karakterler bitişebilme, harf gövdesi, noktaların konumu ve sayıları, karakterin türü, kaynak dil vb. ayırt edici özelliklere göre gruplandırılmış grup bazında sıklıklar hesaplanmıştır. Yapılan karşılaştırma deneylerinde karakter tanıma doğruluk oranları grup bazında hesaplanarak ayrıca incelenmiştir. Deneylerde sadece karakter tanıma doğruluk oranlarıyla yetinilmemiş, hatalar detaylı olarak incelenmiş, harf bazındaki OCR hataları ekleme, silme ve yer değiştime işlemleri cinsinden ortaya konulmuştur. Böylece en çok hangi harfin hangi harflerle karıştırıldığı, en çok hangi harflerin gözden kaçırıldığı, hangi durumlarda hangi tür hataların daha çok ortaya çıktığı vb. durumlar sadece kendi OCR modelimizde değil diğer tüm modeller için ortaya konulmuştur. Bu bulguların hem verilerin ön/son işlemesinde hem de modellerin iyileştirmesinde değerli katkılar sağlayacağını düşünüyoruz. Karşılaştırmada kullanılan 21 sayfalık orijinal doküman görüntüleri, kesin referans metinleri, modellerin OCR çıktıları ve normalizasyonu yapıp doğruluk oranlarını hesaplayan Python programını içeren test veri kümesi osmanlica.com/test adresinde paylaşılmıştır.

show abstract

Section: Benzer çAlışmalar (Related Work)unclassified

Derin sinir ağlarıyla Osmanlıca optik karakter tanıma

DÖLEK>

Kurt

2023

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

show abstract

“…Since these devices are also capable of capturing video, video mosaicing techniques can be utilized to create high resolution historical document images for later use in browsing and retrieval systems. There exist browsing and retrieval systems in the literature for various historical scripts; for example in [6] a browsing system for Ottoman script is presented, whereas in [7] a content-based retrieval module is proposed.…”

Section: Introductionmentioning

confidence: 99%

“…• The video mosaicing approach produces a higher resolution image for the historical Ottoman document when compared to a single image capturing the document as a whole. This high-resolution output can be directly used in content-based retrieval and intelligent browsing systems (e.g., [6,7]). Instead of a single video, capturing an adequate number of single images that have sufficient overlapping regions can be used as an alternative; however, it seems quite hard and erroneous for a user to capture a set of these images.…”

Section: Introductionmentioning

confidence: 99%

Keyframe-based video mosaicing for historical Ottoman documents

Şaykol¹

2016

Turk J Elec Eng & Comp Sci

View full text Add to dashboard Cite

Abstract:Image mosaicing is a trendy research area in computer vision in recent years. Instead of images, video frames can be mosaiced to form a larger aggregate. In both cases, merging computations generally depend on the common parts in consecutive images, which are called overlapping regions. The presence of mobile devices with a camera provides higher image and video acquisition; hence video mosaicing techniques can be utilized to digitize and to create high resolution historical document images for later use in browsing and retrieval systems. Here, we present a technique to create high resolution images of historical Ottoman documents from video. The video captures the frames while tracing the document in row major ordering. In the preprocessing steps, the frames are oriented automatically by the help of tracking the optical flow, and the keyframes are selected such that a sufficient overlapping region in between is guaranteed. Then the scanning phase traces these keyframes in horizontal and vertical manner to create the final video mosaic image in higher resolution. Both horizontal and vertical scan operations utilize a distance vector to compute similarity between two adjacent images. The effectiveness of the video mosaicing approach for historical Ottoman documents is evaluated, and the results of the experiments show that the approach is expressive yet effective to create high resolution Ottoman images.

show abstract

A Robust Word Spotting System for Historical Arabic Manuscripts

Cheriet

Moghaddam

2012

Guide to OCR for Arabic Scripts

View full text Add to dashboard Cite

Ottoman archives explorer

Cited by 17 publications

References 19 publications

Derin sinir ağlarıyla Osmanlıca optik karakter tanıma

Derin sinir ağlarıyla Osmanlıca optik karakter tanıma

Keyframe-based video mosaicing for historical Ottoman documents

A Robust Word Spotting System for Historical Arabic Manuscripts

Contact Info

Product

Resources

About