Automated text line segmentation for Ottoman manuscript transcription
Osmanlıca el yazması belgelerin transkripsiyonu için otomatik satır bölütlemesi
- Tez No: 972434
- Danışmanlar: PROF. DR. AYŞE BERRİN YANIKOĞLU YEŞİLYURT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Metin satırı bölütlemesi, tarihi el yazmalarının analizinde için kritik bir adımdır. Bu işlem, el yazısı belgelerde, özellikle karmaşık yazı stilleri ve üst üste binen satırlar içeren Osmanlıca el yazmalarında zorlu hale gelmektedir. Bu tez, Osmanlıca el yazmalarında otomatik metin satırı bölütlemesi için çeşitli derin öğrenme tabanlı yaklaşımlar sunmaktadır. U-Net tabanlı yaklaşım, ikili segmentasyon ve ardından uygulanan bağlantılı bileşen işlemlerine dayanır. YOLO tabanlı yöntemler ise tek aşamalı (bölütleme) ve iki aşamalı (nesne tespiti ve bölütlemeyi) yaklaşımları kapsamaktadır. Başlangıçta Arapça veri seti üzerinde geliştirilen yöntemler, çeşitli bölütleme metrikleri kullanılarak 40 sayfadan oluşan ve düz ile açılı metin satırları içeren Osmanlıca el yazması veri seti üzerinde değerlendirilmiştir. Yüksek başarı gösteren YOLO yaklaşımları, ayrıca 199 satırlık bir Osmanlıca veri setiyle karakter tanıma performansı açısından da değerlendirilmiştir. En iyi sonuç, %75 IoU eşiğinde düz satırlarda %99.3 ve açılı satırlarda %95 kesinlik skoru ile YOLO OBB \& Segmentasyon yöntemiyle elde edilmiştir. Yöntem ayrıca, karakter tanıma veri setinde %13.1 CER ve %34.7 WER elde etmiştir. En iyi performansı gösteren bu yöntemle, otomatik olarak Osmanlıca metin satırı bölütlemesi veri kümesi de oluşturulmuş ve 20 sayfalık bir alt kümede %96,5 hassasiyet puanı elde edilmiştir. Bu çalışmada toplanan, 40 adet manuel olarak etiketlenmiş ve 110 adet otomatik olarak etiketlenmiş sayfadan oluşan veri kümesi, Osmanlı el yazmalarının satır segmentasyonu araştırmalarına katkıda bulunmak üzere kamuoyuyla paylaşılmıştır.
Özet (Çeviri)
Text line segmentation is essential for analyzing historical manuscripts. This task becomes challenging with documents handwritten documents, especially Ottoman manuscripts, which often contain complex writing styles and overlapping lines. This thesis presents various deep learning-based approaches for automatic text line segmentation in Ottoman manuscripts. The U-Net-based approach relies on binary segmentation followed by a connected component post-processing. The YOLO-based methods include a single-stage (instance segmentation) and a two-stage (combining object detection and segmentation) approach. Models initially trained on Arabic datasets, are tested on a 40-page Ottoman manuscript dataset containing both straight and angled text lines, using various segmentation metrics. The YOLO approaches, which showed promising results, were further evaluated for their effect on OCR performance using an Ottoman dataset with 199 text lines. The best performance was obtained with the YOLO OBB \& Segmentation method, achieving a precision score of 99.3% on straight lines and 95% on angled lines at a 75% IoU threshold. Furthermore, this approach yielded 13.1% CER and 34.7% WER on the OCR evaluation dataset. With this best-performing method, an automatically segmented Ottoman text line segmentation dataset is also generated, resulting in a precision score of 96.5% evaluated on a 20-page subset. The dataset collected in this work, consisting of 40 manually labeled and 110 automatically labeled pages, is publicly shared to contribute to research on line segmentation of Ottoman manuscripts.
Benzer Tezler
- Segmentation based Ottoman text and matching based kufic image analysis
Bölütleme tabanlı Osmanlıca metin ve eşleştirme tabanlı kufi resim analizi
HANDE ADIGUZEL
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. PINAR DUYGULU ŞAHİN
- El çizimi diyagramların modifiye destek vektör makineleri ve grid tabanlı su havzası ile tanınması
Recognition of hand drawn diagrams using modified support vector machines and grid based watershed
ORHAN NOORULDEEN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZ ALTUN
- Canlı ders etkileşim düzeyi belirleme ölçeğinin geliştirilmesi ve otomatik kestirim sisteminin tasarlanması
Development of an online course interaction level determination scale and design of automated estimation system
GÜLER ERKAL KARAMAN
Doktora
Türkçe
2015
Eğitim ve ÖğretimAtatürk ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
PROF. DR. ASLAN GÜLCÜ
- Vision based handwritten character recognition
Görüş tabanlı elyazısı harf tanınması
ÖZCAN ÖKSÜZ
Yüksek Lisans
İngilizce
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. UĞUR GÜDÜKBAY
- Tasarım dergilerinde sayfa tasarım unsurları: XOXO The Mag ve Alldesign dergilerinin görsel tasarım analizi ve karşılaştırılması
Page design elements in design magazines: visual design analysis and comparison of The XOXO The Mag and Alldesign magazines
SERPİL CAN
Yüksek Lisans
Türkçe
2015
Güzel Sanatlarİstanbul Arel ÜniversitesiGrafik Tasarımı Ana Sanat Dalı
YRD. DOÇ. DEMET KARAPINAR