For collections of handwritten manu

For collections of handwritten manuscripts written by a
single author (or a few authors) – for example the George
Washington collection used in this paper – the images of
multiple instances of the same word are likely to look similar.
For such collections, theWord spotting idea [5] provides
an alternative approach to index generation: first, each page
in the document collection is segmented into words, and the
different instances of a word are clustered together using
image matching. Then, a human can tag the m most interesting
clusters for indexing with the appropriate ASCIIequivalent,
which could be used to build a partial index for
the analyzed collection. Historical handwritten documents
are often of poor quality and unlike printed documents,
there is variation in the way the words are written. Thus,
both segmentation of a page into words and the matching of
word images are challenging problems for such documents.

ผลลัพธ์ (ไทย) 1:

สำหรับคอลเลกชันของต้นฉบับลายมือเขียนโดยมีเดียวผู้เขียน (หรือผู้เขียนกี่) – ตัวอย่างเช่น Georgeใช้ในกระดาษนี้ – ภาพของคอลเลกชันของวอชิงตันหลายอินสแตนซ์ของคำเดียวกันจะมีลักษณะคล้ายสำหรับคอลเลกชันดังกล่าว มี theWord ส่องความคิด [5]วิธีการเลือกการสร้างดัชนี: แต่ละหน้าแรกในเอกสาร ชุดแบ่งส่วนคำ และอินสแตนซ์อื่นของคำมีคลัสเตอร์ใช้ร่วมกันการจับคู่ภาพ แล้ว มนุษย์สามารถแท็ก m น่าสนใจที่สุดคลัสเตอร์สำหรับการทำดัชนีกับ ASCIIequivalent เหมาะสมซึ่งสามารถนำไปใช้สร้างดัชนีบางส่วนสำหรับการเก็บรวบรวมวิเคราะห์ เอกสารทางประวัติศาสตร์ที่เขียนด้วยลายมือมักมีคุณภาพไม่ดี และแตกต่าง จาก เอกสารที่พิมพ์มีการเปลี่ยนแปลงในวิธีการเขียนคำ ดังนั้นแบ่งกลุ่มทั้งสองหน้าลงในคำและการจับคู่ของรูปภาพ word จะท้าทายปัญหาสำหรับเอกสารดังกล่าว

ผลลัพธ์ (ไทย) 2:

สำหรับคอลเลกชันของต้นฉบับที่เขียนด้วยลายมือที่เขียนโดย
ผู้เขียนคนเดียว (หรือผู้เขียนไม่กี่) - ตัวอย่างเช่นจอร์จ
คอลเลกชันวอชิงตันใช้ในบทความนี้ - ภาพของ
. หลายกรณีของคำเดียวกันมีแนวโน้มที่จะมีลักษณะคล้ายกับ
คอลเลกชันดังกล่าวโปรแกรม The Word คิดจำ [5] ให้
เป็นวิธีทางเลือกสู่รุ่นดัชนี: ครั้งแรกแต่ละหน้า
ในการเก็บเอกสารที่มีการแบ่งออกเป็นคำพูดและ
อินสแตนซ์ที่แตกต่างกันของคำเป็นคลัสเตอร์ด้วยกันโดยใช้
การจับคู่ภาพ แล้วมนุษย์สามารถแท็กเมตรที่น่าสนใจที่สุด
กลุ่มสำหรับการทำดัชนีกับ ASCIIequivalent เหมาะสม
ซึ่งสามารถนำมาใช้ในการสร้างดัชนีบางส่วนสำหรับ
การเก็บรวบรวมวิเคราะห์ เอกสารที่เขียนด้วยลายมือประวัติศาสตร์
มักจะมีคุณภาพไม่ดีและแตกต่างจากเอกสารที่พิมพ์,
มีการเปลี่ยนแปลงในทางที่คำที่เขียน ดังนั้น
ทั้งการแบ่งส่วนของหน้าเป็นคำพูดและการจับคู่ของ
ภาพคำเป็นปัญหาที่ท้าทายสำหรับเอกสารดังกล่าว

ผลลัพธ์ (ไทย) 3:

สำหรับเก็บต้นฉบับลายมือเขียนโดยเขียนเดียว ( หรือไม่กี่เขียน ) –ตัวอย่างเช่น จอร์จวอชิงตันคอลเลกชันที่ใช้ในบทความนี้ ) ภาพหลายอินสแตนซ์ของคําเดียวกันมักจะมีลักษณะคล้ายกันเช่นคอลเลกชัน theword เฉพาะความคิด [ 5 ] มีวิธีการสร้างดัชนี : แรก แต่ละหน้าในการเก็บเอกสารที่เป็นแบ่งออกเป็นคำ และอินสแตนซ์ที่แตกต่างกันของคำ มีการจัดกลุ่มเข้าด้วยกันโดยใช้ภาพที่ตรงกัน แล้วมนุษย์สามารถแท็ก M ที่น่าสนใจมากที่สุดกลุ่มสำหรับดัชนีกับ asciiequivalent เหมาะสมซึ่งสามารถใช้ในการสร้างดัชนีย่อยสำหรับตัวอย่างคอลเลกชัน เอกสารที่เขียนด้วยลายมือ ประวัติศาสตร์มักจะมีคุณภาพไม่ดีและแตกต่างจากสิ่งพิมพ์มีการเปลี่ยนแปลงในทางที่เป็นคำเขียน ดังนั้นทั้งการแบ่งส่วนของหน้าในคำพูด และการจับคู่ภาพคําท้าทายปัญหาของเอกสารดังกล่าว