古籍智能

北京大学数字人文研究中心 “古籍智能”系列专题 北京大学数字人文研究中心 王军（北京大学信息管理系）：OCR技术是古籍数字化技术的核心和基础 OCR技术是古籍数字化技术的核心和基础，现代汉语常用汉字约七八千字，而古籍中所包含的文字最高达8万。由于文字量庞大，异体字众多，字形多变，版式多样，而且年代久远，页面模糊，再加上缺乏充足的训练数据，这使得古籍OCR比一般的OCR任务更具有挑战性。近年来，深度学习技术在这个领域的