Распознавание рукописного церковнославянского текста на примере Остромирова Евангелия (РНБ, F.п.I.5)

В И Терещенко; М А Комышев; С В Вологдин; В В Сяктерева

doi:10.22213/2410-9304-2026-2-71-79

Авторы

В. И. Терещенко ИжГТУ имени М. Т. Калашникова
М. А. Комышев ИжГТУ имени М. Т. Калашникова
С. В. Вологдин ИжГТУ имени М. Т. Калашникова
В. В. Сяктерева ИжГТУ имени М. Т. Калашникова

DOI:

https://doi.org/10.22213/2410-9304-2026-2-71-79

Ключевые слова:

распознавание рукописного текста, алгоритм формирования текста, славянские рукописи, искусственные нейронные сети, yolo

Аннотация

В данной статье рассматривается разработка инструмента для распознавания текстов церковнославянских рукописей на материале Остромирова Евангелия XI в. (РНБ, F.п.I.5). Для решения задачи была выбрана нейронная сеть архитектуры YOLOv8. Объектом распознавания являются 42 кириллические буквы и простое титло. Был разработан эвристический алгоритм для построения текста из неупорядоченного множества объектов, определяемых YOLO. Алгоритм построчно собирает текст снизу вверх на основании координат ограничивающих рамок и выводит его пользователю в соответствии со стандартом Юникод. Финальная модель обучалась в течение двух эпох на 1680 изображениях, составленных мозаичным способом из символов различных страниц рукописи. Для сокращения разрыва между числом экземпляров символов также размещались искусственно воссозданные варианты редких букв, например ферт. На первых 200 страницах Остромирова Евангелия получена совокупная метрика CER (CharacterErrorRate) на уровне 4,09 % (не учитываются пунктуация, пробелы и диакритика за исключением титл). Модель научилась хорошо распознавать большинство символов основного текста, но встречаются проблемы с распознаванием мелкого текста (например, в заголовках глав), похожих букв и сочетаний букв (в том числе у при наличии отдельного класса для ѹ). Кроме того, алгоритм формирования текста оказывается неустойчивым к наклонам страницы и требует усовершенствования. На данный момент нельзя утверждать о возможности использования разработанного инструмента для массовой оцифровки славянских рукописей, но полученный прототип выглядят обещающим с перспективой дальнейшего развития.

Биографии авторов

В. И. Терещенко, ИжГТУ имени М. Т. Калашникова

Инженер-программист

М. А. Комышев, ИжГТУ имени М. Т. Калашникова

студент

С. В. Вологдин, ИжГТУ имени М. Т. Калашникова

доктор технических наук, доцент

В. В. Сяктерева, ИжГТУ имени М. Т. Калашникова

кандидат технических наук, доцент

Библиографические ссылки

Worddeepnet: handwritten gurumukhi word recognition using convolutional neural network / H. Kaur [et al.] // Multimedia Tools and Applications. 2023. Vol. 82. DOI: 10.1007/s11042-023-15527-2.

A Novel Approach for Vietnamese Handwritten Text Recognition / V. H. Duong [et al.] // Automatic Control and Computer Sciences. 2023. Vol. 57, no. 5. P. 534-541. DOI: 10.3103/S014641162305005X.

Turnbull R., Mannix E. Detecting and recognizing characters in Greek papyri with YOLOv8, DeiT and SimCLR // arXiv. 2024. DOI: 10.48550/arXiv.2401.12513.

Handwritten English word recognition using a deep learning based object detection architecture / R. Mondal [et al.] // Multimedia Tools and Applications. 2022. Vol. 81, no. 1. P. 975-1000. DOI: 10.1007/s11042-021-11425-7.

Bangla handwritten word recognition using YOLO V5 / M. A. Hossain [et al.] // Bulletin of Electrical Engineering and Informatics. 2024. Vol. 13, no. 3. P. 2175-2190. DOI: 10.11591/eei.v13i3.6953.

Terven J., Córdova-Esparza D.-M., Romero-González J.-A. A Comprehensive Review of YOLO Architectures in Computer Vision: From YOLOv1 to YOLOv8 and YOLO-NAS // Machine Learning and Knowledge Extraction. 2023. Vol. 5, no. 4. P. 1680-1716. DOI: 10.3390/make5040083.

Филичкин С. А., Вологдин С. В. Применение нейронной сети YOLOv5 для распознавания наличия средств индивидуальной защиты // Интеллектуальные системы в производстве. 2022. Т. 20, № 2. С. 61-67. DOI: 10.22213/2410-9304-2022-2-61-67. EDN: FIXGZD.

Rahal N., Vögtlin L., Ingold R. Approximate ground truth generation for semantic labeling of historical documents with minimal human effort // International Journal on Document Analysis and Recognition. 2024. Vol. 27, no. 3. P. 335-347. DOI: 10.1007/s10032-024-00475-w.

Николаев П. Л. Сегментация неструктурированного текста на изображениях книжных обложек с помощью сверточной сети, основанной на архитектуреU-Net // International Journal of Open Information Technologies. 2023. Т. 11, № 10. С. 39-43. EDN: JSRFLB.

Лобанова В. А., Иванова Ю. А. Разработка нейросетевого алгоритма распознавания надписей на изображениях реальных сцен // Компьютерная оптика. 2022. Т. 46, № 5. С. 790-800. DOI: 10.18287/2412-6179-CO-1047. EDN: AKMCMG.

Davoudi H., Traviglia A. Discrete representation learning for handwritten text recognition // Neural Computing and Applications. 2023. Vol. 35, no. 21. P. 15759-15773. DOI: 10.1007/s00521-023-08445-9.

Momeni S., BabaAli B. A transformer-based approach for Arabic offline handwritten text recognition // Signal, Image and Video Processing. 2024. Vol. 18, no. 4. P. 3053-3062. DOI: 10.1007/s11760-023-02970-9.

Гранстрем Е. Э. Описание русских и славянских пергаменнных рукописей: Рукописи русские, болгарские, молдовлахийские, сербские / сост. канд. пед. наук Е. Э. Гранстрем ; под ред. д-ра филол. наук Д. С. Лихачева. Л.: ГПБ им. М. Е. Салтыкова-Щедрина, 1953. 148 с.

Варламов А. С., Макарова О. Л. Проблемы распознавания старославянских манускриптов // Информационные технологии в науке, промышленности и образовании : сборник трудов Всероссийской научно-технической конференции, Ижевск, 23-24 мая 2024 года. 2024. С. 57-61. EDN: AKMCMG.

Diwan T., Anirudh G., Tembhurne J. V. Object detection using YOLO: challenges, architectural successors, datasets and applications // Multimedia Tools and Applications. 2023. Vol. 82, no. 6. P. 9243-9275. DOI: 10.1007/s11042-022-13644-y.

StackMix and Blot Augmentations for Handwritten Text Recognition / A. Shonenkov [et al.] // arXiv. 2021. DOI: 10.48550/arXiv.2108.11667.

Rabus A., Meindl M. The Digital Revolution in Slavic Manuscript Studies: HTR Technology and its Impact on Philological Research // Studi Slavistici. 2025. Vol. XXII, Special Issue. P. 35-54. DOI: 10.36253/Studi_Slavis-17690