В статье представлена многоэкспертная система для оптического распознавания исторического маньчжурского текста (OCR), решающая проблему ограниченных размеченных данных и разнообразия визуальных стилей, включая уставной шрифт, скоропись и полускорописный канцелярский почерк. Подход переиспользует контрольные точки из процесса итеративного дообучения в качестве специалистов по предметным областям и использует легкий классификатор изображений на уровне страницы для маршрутизации страниц на основе их визуального стиля.
- На замороженных тестовых наборах маршрутизированная система достигла 0,30 процента ошибки распознавания символов (CER) на уставном шрифте, 1,57 процента на мемориалах и 4,83 процента на скорописи.
- Маршрутизатор достиг точности определения предметной области на уровне страницы в 99,3 процента, что соответствует точности оракула с метками предметных областей при том же уровне точности.
- Два из трех выбранных специалистов не обучались специально для своей финальной предметной области, что демонстрирует способность системы эффективно переиспользовать существующие контрольные точки.
Авторы сообщают об протоколе оценки, дизайне маршрутизатора и предсказаниях на уровне страницы, чтобы обеспечить воспроизводимость сравнения.