中文多字體古籍?dāng)?shù)據(jù)集多任務(wù)融合識別

打開文本圖片集

摘 要：針對中文古籍?dāng)?shù)字化處理中大規(guī)模高質(zhì)量數(shù)據(jù)集匱乏的問題，本文提出了一種新穎的2級古籍?dāng)?shù)據(jù)集建設(shè)方法：一是構(gòu)建了包含119.5萬張圖片、覆蓋6 610個字符類別的多字體古籍單字?jǐn)?shù)據(jù)集CACID；二是基于古籍文獻(xiàn)內(nèi)容合成了包含86 667列古籍文字圖片的古籍篇章數(shù)據(jù)集CASID，這是目前報道的最大中文古籍合成數(shù)據(jù)集。（剩余8916字）