DOI: https://doi.org/10.62762/tmi.2025.846033
تاريخ النشر: 2026-02-08
المؤلف: Atul Kumar وآخرون
الموضوع الرئيسي: تقنيات التعرف على النصوص المكتوبة بخط اليد
نظرة عامة
تقدم هذه الدراسة طريقة قوية وقابلة للتوسع للكشف التلقائي عن التخطيط في الصحف الرقمية، تهدف إلى تحسين استخراج المعرفة واسترجاع المعلومات. تم إنشاء مجموعة بيانات مخصصة، تحتوي على صور صحف مشروحة بعدة لغات، بما في ذلك الإنجليزية والهندية، مع تصنيف مناطق التخطيط إلى خمس فئات رئيسية. قام الباحثون بتدريب نموذج كشف الكائنات المحسن YOLOv12 على هذه المجموعة، محققين متوسط دقة (mAP) يبلغ 0.88 عند عتبة تقاطع على اتحاد (IoU) تبلغ 0.50، مما يشير إلى أداء كشف متفوق مقارنة بعدة نماذج متطورة.
تؤكد النتائج فعالية الطريقة المقترحة في إدارة تنسيقات الصحف متعددة اللغات والمتنوعة هيكليًا. تقدم هذه البحث إطار عمل عملي لدمج تحليل التخطيط التلقائي في أنظمة الأرشفة الرقمية، وخطوط التعرف الضوئي على الحروف (OCR)، وتطبيقات مراقبة وسائل الإعلام. بالإضافة إلى ذلك، تساهم في المبادرة الأوسع لتحويل وسائل الإعلام المطبوعة التاريخية إلى الرقمية، مما يعزز الوصول إلى المحتوى الإقليمي، ويعزز التقدم في البحث، والصحافة، والمشاركة العامة.
مقدمة
في العصر الرقمي، يعد التحليل التلقائي وتحويل الوسائط المطبوعة، وخاصة الصحف، أمرًا أساسيًا للحفاظ عليها واسترجاع المعلومات. غالبًا ما تكافح طرق التعرف الضوئي على الحروف التقليدية (OCR) مع التخطيطات المعقدة للصحف، التي تتميز بتنسيقات متعددة الأعمدة، وخطوط متنوعة، ورسوم بيانية مدمجة، وهياكل مقالات مختلفة. يعد الكشف الفعال عن التخطيط أمرًا حاسمًا لمهام مثل تقسيم المقالات، وإعادة بناء ترتيب القراءة، وتصنيف المحتوى. لقد حسنت التقدمات الأخيرة في رؤية الكمبيوتر، خاصة من خلال نماذج كشف الكائنات المعتمدة على التعلم العميق، بشكل كبير تحليل تخطيط الوثائق، حيث تبرز عائلة نموذج You Only Look Once (YOLO)، وخاصة YOLOv12، بسبب أدائها في الوقت الحقيقي وكفاءتها المعمارية المحسنة.
تهدف هذه البحث إلى معالجة التحديات في تحليل تخطيط الصحف من خلال بناء مجموعة بيانات بتنسيق COCO، مشروحة بصناديق محيطة عبر خمس فئات، وتدريب نموذج YOLOv12 على هذه المجموعة. على الرغم من وجود المنهجيات الحالية، لا تزال هناك فجوات في التعامل بشكل فعال مع تنسيقات الصحف متعددة اللغات والمتنوعة هيكليًا. تم تصميم سير العمل المقترح لتسهيل تحليل شامل لتخطيطات الصحف، مع الأخذ في الاعتبار عناصر التصميم والمعلومات المختلفة المتأثرة بأساليب التحرير، وأحجام الأعمدة، ومعلمات التخطيط الأخرى.
طرق
تشمل منهجية هذه الدراسة خط أنابيب منظم مصمم للكشف عن كل من المكونات النصية والمكونات المعتمدة على التخطيط داخل صور الصحف، باستخدام إطار عمل التعلم العميق. تم تنظيم هذا النهج بشكل منهجي في ست مراحل متميزة، والتي تم تمثيلها بصريًا في مخطط سير العمل المرافق (الشكل 1). كل مرحلة هي جزء لا يتجزأ من العملية العامة، مما يسهل استخراج وتحليل الميزات ذات الصلة من صور الصحف.
نقاش
تسلط قسم النقاش في الورقة الضوء على التقدم في تحليل تخطيط الصحف من خلال تطبيق تقنيات التعلم العميق، مع التركيز بشكل خاص على نموذج YOLOv12. يستعرض نماذج كشف الكائنات المتطورة المختلفة ومنهجياتها، مع التأكيد على التحديات التي تطرحها التخطيطات والتصاميم المتنوعة للصحف. تشير الورقة إلى العديد من الدراسات التي استكشفت طرقًا مختلفة، بما في ذلك الخوارزميات الكلاسيكية وإطارات التعلم العميق الحديثة، لتقسيم وتحليل مكونات الصحف بشكل فعال. من الجدير بالذكر أن نموذج YOLOv12 يُقدم كتحسين كبير على أسلافه، محققًا متوسط دقة (mAP) يبلغ 0.88، مما يتجاوز نماذج أخرى مثل Faster R-CNN والإصدارات السابقة من YOLO.
يتناول القسم أيضًا التعقيدات المتعلقة بتحويل الصحف إلى الرقمية، بما في ذلك القضايا المتعلقة بجودة الصورة، وتنوع التخطيط، ووجود نصوص وصور متداخلة. يوضح المؤلفون عمليات جمع البيانات وإعدادها، والتي تضمنت جمع صور عالية الدقة وتنفيذ استراتيجية توضيح صارمة لتسهيل التعلم الخاضع للإشراف. يتميز هيكل YOLOv12 بتصميمه الموجه نحو الانتباه، مما يعزز استخراج الميزات مع الحفاظ على الكفاءة الحسابية. تظهر النتائج التجريبية أداء YOLOv12 المتفوق في الكشف وتصنيف عناصر الصحف المختلفة، مما يشير إلى إمكانيته في الرقمنة على نطاق واسع للوثائق والتحليل الهيكلي التلقائي في العلوم الإنسانية الرقمية.
DOI: https://doi.org/10.62762/tmi.2025.846033
Publication Date: 2026-02-08
Author(s): Atul Kumar et al.
Primary Topic: Handwritten Text Recognition Techniques
Overview
This study introduces a robust and scalable method for automatic layout detection in digitized newspapers, aimed at improving knowledge extraction and information retrieval. A custom dataset was created, featuring annotated newspaper images in multiple languages, including English and Hindi, with layout regions classified into five primary categories. The researchers trained an enhanced YOLOv12 object detection model on this dataset, achieving a mean Average Precision (mAP) of 0.88 at an Intersection over Union (IoU) threshold of 0.50, which indicates superior detection performance compared to several state-of-the-art models.
The findings underscore the effectiveness of the proposed method in managing multilingual and structurally diverse newspaper formats. This research offers a practical framework for incorporating automated layout analysis into digital archiving systems, optical character recognition (OCR) pipelines, and media monitoring applications. Additionally, it contributes to the broader initiative of digitizing historical print media, enhancing accessibility to regional content, and fostering advancements in research, journalism, and public engagement.
Introduction
In the digital era, the automatic analysis and digitization of printed media, particularly newspapers, are essential for preservation and information retrieval. Traditional Optical Character Recognition (OCR) methods often struggle with the complex layouts of newspapers, which feature multi-column formats, diverse fonts, integrated graphics, and various article structures. Effective layout detection is critical for tasks such as article segmentation, reading order reconstruction, and content categorization. Recent advancements in computer vision, especially through deep learning-based object detection models, have significantly enhanced document layout analysis, with the You Only Look Once (YOLO) model family, particularly YOLOv12, standing out due to its real-time performance and improved architectural efficiency.
This research aims to address the challenges in newspaper layout analysis by constructing a dataset in COCO format, annotated with bounding boxes across five classes, and training the YOLOv12 model on this dataset. Despite existing methodologies, there remain gaps in effectively handling multilingual and structurally diverse newspaper formats. The proposed workflows are designed to facilitate a comprehensive analysis of newspaper layouts, taking into account various design and informational elements influenced by editorial styles, column sizes, and other layout parameters.
Methods
The methodology of this study involves a structured pipeline designed for the detection of both textual and layout-based components within newspaper images, utilizing a deep learning framework. This approach is systematically organized into six distinct stages, which are visually represented in the accompanying workflow diagram (Figure 1). Each stage is integral to the overall process, facilitating the effective extraction and analysis of relevant features from the newspaper images.
Discussion
The discussion section of the paper highlights the advancements in newspaper layout analysis through the application of deep learning techniques, particularly focusing on the YOLOv12 model. It reviews various state-of-the-art object detection models and their methodologies, emphasizing the challenges posed by the diverse layouts and designs of newspapers. The paper references numerous studies that have explored different approaches, including classical algorithms and modern deep learning frameworks, to segment and analyze newspaper components effectively. Notably, the YOLOv12 model is presented as a significant improvement over its predecessors, achieving a mean Average Precision (mAP) of 0.88, which surpasses other models such as Faster R-CNN and previous YOLO versions.
The section also addresses the complexities involved in digitizing newspapers, including issues related to image quality, layout variability, and the presence of overlapping text and images. The authors detail their data acquisition and preparation processes, which involved collecting high-resolution images and implementing a rigorous annotation strategy to facilitate supervised learning. The YOLOv12 architecture is characterized by its attention-centric design, which enhances feature extraction while maintaining computational efficiency. The experimental results demonstrate YOLOv12’s superior performance in detecting and classifying various newspaper elements, indicating its potential for large-scale document digitization and automated structural analysis in the digital humanities.