Description
Hiện nay, các bộ dữ liệu chữ Hán Nôm chủ yếu được xây dựng từ tài liệu dạng phẳng, trong khi dữ liệu trên hiện vật văn hóa còn rất hạn chế. Nghiên cứu này xây dựng bộ dữ liệu ảnh chữ Hán Nôm trên các hiện vật như chuông, khánh, đồ thờ, chén và bình sứ. Dữ liệu được thu thập trong điều kiện thực tế với nhiều thách thức như bề mặt cong, hoa văn phức tạp, nhiễu nền, ánh sáng không đồng đều và văn bản có nhiều hướng. Bộ dữ liệu được gán nhãn vùng chứa cụm văn bản và nội dung chữ Hán Nôm theo quy trình chuẩn hóa, tạo nguồn dữ liệu tin cậy phục vụ huấn luyện và đánh giá các mô hình phát hiện văn bản, OCR và chuyển đổi sang chữ Quốc ngữ.
Thông tin các tác giả
1) Châu Ngọc Uẩn đang học thạc sĩ tại Trường Đại học Khoa học tự nhiên, ĐHQG-HCM, số 227 đường Nguyễn Văn Cừ, Phường Chợ Quán, Thành phố Hồ Chí Minh
2) PGS.TS. Đinh Điền Giám đốc Trung tâm Ngôn ngữ học tính toán, Trường Đại học Khoa học Tự nhiên TP.HCM, số 227 đường Nguyễn Văn Cừ, Phường Chợ Quán, Thành phố Hồ Chí Minh
Từ khóa
Chữ Hán Nôm, OCR, Hiện vật văn hóa, Phát hiện văn bản, Số hóa di sản
