.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
文档图像理解（DIU）和电子文档管理是涉及图像理解、解释、文档高效处理和路由以及检索的活跃研究领域。对大多数非连笔脚本（拉丁文）的研究已经成熟，而对连笔（连接）脚本的研究仍在不断完善中。目前，全球许多研究人员正在研究连笔脚本（阿拉伯文和其他采用连笔书写的脚本），以便克服这些脚本在文档理解和处理中的困难与挑战。信德文脚本在采用阿拉伯文脚本的众多语言中，对原始阿拉伯字母表的扩展最大；为了适应更多语言发音，它包含52个字符，而原始阿拉伯字母表只有28个字符。其中有24个区分字符，部分字符带有四个点。针对信德文OCR的研究与开发，需要用于训练和测试信德文图像的数据库。我们开发了一个大型数据库，包含超过40亿个单词和150亿个字符，涵盖150种不同字体、四种字体粗细和四种字体样式。该数据库内容收集自多个来源，包括网站、书籍和学位论文。此外，还开发了一个定制应用程序，用于从文本文档创建支持多种字体和大小的文本图像。该数据库考虑了单词、字符、带空格的字符以及文本行。该数据库可免费获取，用户可通过向作者之一发送电子邮件获得部分或完整数据库。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息