Artikel ini menyajikan sistem multi-ahli untuk Pengenalan Karakter Optik (OCR) Manchu historis yang mengatasi tantangan data berlabel terbatas dan gaya visual yang beragam, termasuk tulisan reguler, tulisan berjalan, dan tangan korespondensi semi-sambung. Pendekatan ini menggunakan kembali titik pemeriksaan dari proses penyetelan halus iteratif sebagai spesialis domain dan menggunakan pengklasifikasi gambar tingkat halaman ringan untuk mendispatch halaman berdasarkan gaya visual mereka.
- Pada set uji beku, sistem yang dirutekan mencapai Tingkat Kesalahan Karakter (CER) 0,30 persen pada tulisan reguler, 1,57 persen pada memorial, dan 4,83 persen pada tulisan berjalan.
- Ruter mencapai akurasi domain tingkat halaman 99,3 persen, sesuai dengan oracle label domain pada presisi yang sama.
- Dua dari tiga spesialis yang dipilih tidak dilatih secara khusus untuk domain akhir mereka, menunjukkan kemampuan sistem untuk menggunakan kembali titik pemeriksaan yang ada secara efektif.
Para penulis melaporkan protokol evaluasi, desain ruter, dan prediksi per halaman untuk memastikan perbandingan dapat direproduksi.