藏文印刷体：乌金体，又称有头体

摘要：

（1）藏文属于拼音文字，基本字符由30个辅音字母和4个元音字符组成，其组成的现代藏文音节字数为592，包含572个藏文字丁。
（2）OCR 系统通常以字丁为单位进行识别，根据部分论文的不完全统计1000份图片文档覆盖的字丁数大概为100个左右，
因此，保守估计，全面覆盖字丁数，至少需要6000张文档标注。
（3）藏文标注时容易出现输入编码不统一的现象，需要在标注前提前统一。

1. 基本组成单元

1.1 基础字符 character

藏文属于拼音文字，由30个辅音字母，和4个元音字符组成。
这些字符按照一定的拼写规则构成了藏文的音节字。

1.2 增加字符

 为了满足语言翻译或者语言发展变化的实际需要，辅音和元音在原有基础上有所增加，增加后的辅音字符达到41个，元音字符达到15个

增加的方式：
（1）反写
（2）组合
（3）添加辅助符号

1.3.其他字符

 除了上述字符外还包括：数字符号，标点符号，变音符号，篇章符，敬重符，吟咏示意符，吟诵会意符，占星符合装饰符。

2. 藏文的音节字 syllable

每个音节必须包含一个基字，基字可带前置、上置、下置、后置和再后置字母。

现代藏文音节字的总个数为592，藏文字丁总数为572 （一个音节字按照中间缝隙切开，则该字符分成了 4个字丁）
OCR系统，多以字丁为单位。

3. 书写形式：

书写形式分印刷体的有头字和手写体的无头字两种；
还有一种从无头字衍化而成了草书，它连笔较多，与有头字差别较大。行款自左向右横书，使用专门的标点符号
很多字母连写，中间会加入很多音节点，类似英文里的空格。

4. 藏文识别的难点：

（1）藏文具有很多相似字符, 很多基础辅音字符差异很小，带来识别难度，需要增加标注数据。
（2）藏文独特的叠字书写方式，使得藏文结构的解析比较复杂，可以以字丁为单位涵盖所有叠字结构，
根据部分论文统计，1000份图片文档覆盖的字丁数大概为100多个，因此，保守估计，全面覆盖字丁数，至少需要6000张文档标注。
（3）关于藏文识别的字符编码问题，可能会出现同形不同码现象（因此在标注时需要统一编码）
同形不同码：由于藏文新增组合字符，不同的人在输入时习惯不同，可能有人以整体编码形式输入，有人以原始字符组合输入，导致字符编码不同。

5. 关于工程需要解决的基础问题：

（1）输入法的选择？
（2）如何获取藏文字丁？
藏文编码字符集的扩充集在linux 上的实现，中科院软件所 https://www.weibo.com/ttarticle/p/show?id=2309404314230789669491

参考文献

[1] 龙从军等，中科院软件所，藏文编码字符集标准应用中的问题及对策
[2] 王维兰等，藏文识别中相似字丁的区分研究
[3] 李永忠等，藏文印刷体字符识别技术研究
[4] Rowinski Z, Keutzer K. Namsel: An Optical Character Recognition System for Tibetan Text[J]. Himalayan Linguistics, 2016, 15(1).

藏文印刷体：乌金体，又称有头体相关推荐

印刷体藏文文字识别技术研究
藏文字因其结构的特殊性,在应用传统文字识别方法进行识别时正确识别率较低,识别效果较差.在深入分析以印刷体藏文文字特征的基础上,提出了一系列可以在干扰情况下提高识别率的方法,包括局部自适应二值化算法. ...
泰山OFFICE技术讲座：GB18030藏文蒙文彝文维文的斜体粗体简单测试
看看有没有特殊处理. 藏文 Microsoft Himalaya,三号彝文 Microsoft Yi Baiti,三号蒙文 Mongolian Baiti,三号维文 Times New Roma ...
【无标题】（论文阅读）基于蚁群算法的现代藏文字符轮廓提取技术研究-孙淑娟
一.摘要由于对字符提取骨架往往会失去受污损部位的重要信息,因此本文提出了一种基于蚁群算法的现代藏文字符轮廓提取算法‚旨在用字符的轮廓线代替骨架线来表征字符.本算法用于印刷体藏文轮廓提取‚取得了良好 ...
简明藏文文法和实用藏文文法教程笔记
简明藏文文法胡书津一.格助词传统藏文文法称之为'属于格位范畴的虚词'.P11 它是名词在句中扮演什么样角色的一种标志.P11 通过一定的语法形式(格标志)表示名词性词语在语言结构中同其他词语的种 ...
助力“一带一路”信息化建设，银河麒麟操作系统（藏文版）V10 全新发布！
在信息化建设的大潮中,西藏地区正在加速利用云计算.大数据.物联网.人工智能等高科技技术,构建信息化的"未来之城".在信息化建设进程中,操作系统是必不可少的,但是由于市面上的操作系统 ...
Minigui 调试支持藏文过程记录
1.先下载方正藏文 2.配置miniugi.cfg 增加字体方正藏体简体.TTF 3.main打开尝试(使用GB2312\GBK\ISO8859-6\UTF-8) 乱码 4.minigui编译配置支持 ...
红旗Linux藏文操作系统填补软件数字鸿沟红旗linux操作系统
2008年8月20日消息,由中科红旗.中科院.及相关部门联合开发的Linux藏文操作系统通过信息产业部科技鉴定,达到同类产品技术的国际先进水平.目前已经正式向用户. 基于Linux的藏文操作系统研发项 ...
藏文在网页里显示成汉子_最终去处揭晓！红遍全网的藏族小伙丁真签约成国有公司员工...
[文/观察者网陈聪] 来自四川甘孜藏族自治州的20岁小伙丁真,是近期最为受到网友关注和热议的网络红人.在他走红后,社交网络上疯传丁真可能要签约网红公司.参加选秀节目的消息. 而在昨天(18日),丁真 ...
计算机藏文论文,计算机论文：藏文陈述句复述生成之计算机研究.docx
计算机论文:藏文陈述句复述生成之计算机研究第一章绪论1.1 复述概述从 80 年代开始,藏文信息处理的研究已经经历了 40 年左右,过去几十年里不断放射着奇光异彩,吸引着众多藏文语言学家.藏文自然 ...
java中的请求体_在spring mvc test中访问请求体和请求头
我创建了一个spring boot应用程序,这就是我的控制器的样子 . 我使用postman在请求体中发送json,在请求头中发送一个字符串,然后进一步散列json并将其与请求头获取的字符串进行比较 ...

藏文印刷体：乌金体，又称有头体

藏文印刷体：乌金体，又称有头体

摘要：

1. 基本组成单元

1.1 基础字符 character

1.2 增加字符

1.3.其他字符

2. 藏文的音节字 syllable

3. 书写形式：

4. 藏文识别的难点：

5. 关于工程需要解决的基础问题：

参考文献

相关网站：

藏文印刷体：乌金体，又称有头体相关推荐

最新文章

热门文章

藏文印刷体： 乌金体，又称有头体

藏文印刷体： 乌金体，又称有头体

摘要：

1. 基本组成单元

1.1 基础字符 character

1.2 增加字符

1.3.其他字符

2. 藏文的音节字 syllable

3. 书写形式：

4. 藏文识别的难点：

5. 关于工程需要解决的基础问题：

参考文献

相关网站：

藏文印刷体： 乌金体，又称有头体相关推荐

最新文章

热门文章

藏文印刷体：乌金体，又称有头体

藏文印刷体：乌金体，又称有头体

藏文印刷体：乌金体，又称有头体相关推荐