塔曼拉塞特大学 发布 KALIMA-Dataset 数据集, 应用在 历史文献、语言处理 领域

塔曼拉塞特大学 本次发布的数据集 KALIMA-Dataset, KALIMA-Dataset是由塔曼拉塞特大学LIMED实验室创建的数据集，专注于历史阿拉伯手稿中的单词位置标注。该数据集包含497张文本线图像，总计5062个边界框标注，涵盖4943个阿拉伯单词和119个其他标注。数据来源于RASM2019数据集中的26页文档，涉及两本不同的书籍。创建过程中，通过手动划定每个单词的边界框并关联其转录文本，确保了数据的高质量。该数据集主要用于开发和测试古阿拉伯单词的提取和识别系统，旨在解决阿拉伯手稿中单词分割的难题。

查看KALIMA-Dataset

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。