Preserving Myanmar’s Ancient Heritage: A Novel Dataset and ResNet Architecture for Pyu Character Recognition
本文通过引入首个公开可用的、系统策划的包含33个辅音的手写数据集，并验证了一种改进的ResNet-18架构作为未来数字保护和铭文研究的基础基准，解决了缅甸古代骠城（Pyu）文字计算资源极度匮乏的问题。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个古代历史被困在一面玻璃墙后的世界，而计算机却无法看穿这面墙。几十年来，科学家们一直使用被称为“计算机视觉”的强大工具来教机器识别图像——比如在照片中发现一只猫或阅读路标。他们还使用“深度学习”，这是一种让计算机通过观察成千上万个示例进行学习的方法，就像学生通过背诵闪卡直到答对每一道题一样。但这个数字图书馆中存在着一个巨大的鸿沟：虽然我们拥有出色的现代语言工具，但世界的古代文字往往对这些机器来说仍然是不可见的。这是一个问题，因为许多这些古老的文字正在消逝，如果我们不能教会计算机阅读它们，我们可能会永远失去祖先的故事、法律和祷文。这个问题不仅仅关乎技术，更关乎拯救一部分目前正受困于计算机无法理解的格式的人类记忆。
本论文针对古老的骠城（Pyu）文字这一具体问题展开研究，这是一种一千多年前在缅甸使用的书写系统。研究人员面临着一个“鸡生蛋，蛋生鸡”的困境：要教会计算机阅读骠城文字，你需要一个庞大的示例库（数据集），但由于这种文字如此古老且罕见，目前并不存在这样的库。为了解决这个问题，作者 Khant Sint Heinn 不仅仅是在编写代码，他更像是一位数字抄写员。他亲手书写了全部 33 个骠城辅音中的每一个，并为每个字母创造了 25 个不同的版本，以捕捉人类手写时自然的抖动和风格。这最终产生了 825 张原始图像。
但 825 张图片不足以训练一台超级聪明的计算机。因此，作者使用了一个被称为“数据增强”的巧妙技巧。把这想象成一台不仅能复印页面，还能旋转、轻微模糊、拉伸以及倾斜页面，使其看起来像是写在凹凸不平、风化石碑上的复印机。通过对每一张图像应用这五种不同的“扭曲”，他们将 825 张原始绘图变成了包含 4,950 张图像的海量库。随后，他们将这个新库输入到一个经过修改的著名计算机大脑架构——ResNet-18 中。
结果非常令人振奋。在一次计算机必须识别这些清晰、高对比度绘图的受控测试中，该模型几乎是瞬间学会了。在仅经过三轮学习后，计算机就达到了满分，正确识别了 100% 未见过的测试图像。混淆矩阵（一种显示计算机是否将一个字母误认为另一个字母的图表）呈现出一条完美的对角线，这意味着它在处理这些特定样本时从未出错。
然而，论文非常谨慎地没有将此称为阅读古代历史的“最终”解决方案。作者解释说，虽然计算机在他们干净、手绘的图像上表现出色，但现实世界的古代铭文要杂乱得多。考古现场发现的真实石碑往往有裂痕、覆盖着泥土、被数百年的雨水侵蚀，并且通常是在光线不佳的情况下拍摄的。论文认为，虽然这项研究证明了计算机可以学习字母的形状，但它尚未证明它能从破碎的石墙上阅读文字。这项工作被描述为一个基础基准——一个坚实的初步尝试，证明了数据确实存在，且字母的特征足够明显以便被学习。作者建议，未来的工作需要使用“迁移学习”，将这些知识应用到实际历史文物那种充满噪声、受损的现实情况中。目前，他们已成功构建了缺失的数字字典，为未来的研究人员最终教会计算机阅读缅甸的古代过去打开了大门。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。