Ученые из Югры научили нейросеть распознавать мансийский текст

Ученые из Югры научили нейросеть распознавать мансийский текст

Ученые из Югры научили нейросеть распознавать мансийский текст

Учёные Югорского НИИ информационных технологий разработали программу, которая распознаёт мансийский текст на фото и сканах практически без ошибок. Это важный шаг в сохранении языка.

Значительная часть книг, учебников, газет и сборников фольклора на мансийском существует только в бумажном виде. Для перевода в цифровой формат текст приходится набирать вручную - это долго, а свободно владеющих языком людей немного. Стандартные OCR-программы не справлялись с мансийскими буквами: особенно с символами с макронами (чёрточками сверху) и буквой «». Такие знаки либо терялись, либо превращались в бессмысленные символы.

За основу специалисты взяли существующую программу распознавания русского текста и дообучили её на мансийском. Для обучения использовали 1,3 млн синтетических примеров - изображений мансийских слов с соответствующим текстовым написанием. Материалом послужили подлинные мансийские тексты, отрисованные разными шрифтами и кеглями.

Если раньше программа ошибалась в 18,5% случаев, то теперь доля ошибок составляет 0,85% - почти в 20 раз меньше. Слова вроде «Хл» и «варнэ», которые прежде искажались, теперь распознаются без ошибок. Программа доступна всем желающим в интернете, проверить её можно на «Этнопортале» Югры.

Подпишись на Телеканал Югра | Мы в MAX

Источник: Канал в МАКС "Телеканал «Югра»"

Топ

Лента новостей