玛哈沙拉堪大学 发布 多语言视频字幕数据集 数据集, 应用在 多语言文本识别、计算机视觉 领域

玛哈沙拉堪大学 本次发布的数据集 多语言视频字幕数据集, 多语言视频字幕数据集是由玛哈沙拉堪大学信息学学院多智能体智能模拟实验室创建的，旨在支持多语言文本识别研究。该数据集包含从24个在线视频中提取的4224张字幕图像，涵盖泰语、英语、泰语数字、阿拉伯数字和特殊符号等多种字符，共计157个独特字符。数据集通过从视频中提取帧并手动标注字幕位置创建，适用于复杂背景下的文本识别挑战。其应用领域包括人工智能、深度学习、计算机视觉和模式识别，旨在提高视频内容文本转录的准确性和计算效率。

查看多语言视频字幕数据集

关于 玛哈沙拉堪大学 , 玛哈沙拉堪大学是泰国的一所公立大学，位于玛哈沙拉堪府，提供包括工程、科学、人文和社会科学等多个领域的教育与研究。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。