پیکره موازی متن و تصویر

معرفی پیکره موازی متن و تصویر

پیکره موازی متن و تصویر، مجموعه‌ای ارزشمند از تصاویر متون عربی و فارسی به همراه معادل متنی تایید شده توسط انسان است. این پیکره منبعی بی‌نظیر برای پژوهش‌های مرتبط با تبدیل تصویر به متن و ارزیابی سیستم‌های OCR محسوب می‌شود.

آمار و ارقام

• تصویر یک میلیون کلمه به زبان‌های عربی و فارسی
• ۱۱۶ جلد کتاب به عنوان منبع داده‌ها
• معادل متنی تایید شده توسط انسان برای هر تصویر

محتوای پیکره

کاربردها

• تبدیل تصویر به متن (OCR): آموزش و ارزیابی سیستم‌های تشخیص نوری نویسه‌ها
• ارزیابی مدل‌های OCR: سنجش دقت سیستم‌های تبدیل تصویر به متن
• پردازش اسناد دیجیتال: بهبود کیفیت دیجیتال‌سازی کتب و اسناد
• پژوهش‌های زبان‌شناسی پیکره‌ای: تحلیل تطبیقی متن و تصویر
• توسعه مدل‌های یادگیری عمیق: آموزش مدل‌های بینایی کامپیوتر و NLP

مزایا

• حجم بالا: یک میلیون کلمه تصویری برای آموزش مدل‌های عمیق
• تایید انسانی: معادل متنی با کیفیت بالا و تایید شده توسط انسان
• تنوع منابع: برگرفته از ۱۱۶ جلد کتاب مختلف
• دوزبانه: پشتیبانی از دو زبان عربی و فارسی