В ХМАО разработали OCR-модель для перевода старых книг и архивов с мансийского

Специалисты депинформтехнологий Югры и Югорского НИИ разработали OCR-модель, которая может переводить изображения с текстом на мансийском языке в цифровой формат. Для обучения программы эксперты создали 1,3 млн примеров. Об этом сообщили в пресс-службе департамента.

Так, работая над моделью, специалисты столкнулись с особыми буквами и знаками мансийского языка, которые обычные программы не понимали. Кроме того, оказалось, что почти нет и данных для их обучения. Обучающие тексты экспертам пришлось разрабатывать самостоятельно. В итоге удалось сократить число ошибок при переводе с картинки с 18,5% до 0,85%.

Разработка поможет оцифровывать книги и архивы на языке манси. Кроме того, модель использовали для создания «Этнопортала», который призван помочь в изучении коренных жителей Севера.

Ранее NEFT писала, что в Югре разработали корпус хантыйского языка с казымским, сургутским, ваховским и среднеобским диалектом. На проект выделили 6,8 млн рублей.