Abstract
Цифровизация архивных чагатайских рукописей ограничена нехваткой аннотированных корпусов и сложностью курсивного письма на осно-ве арабской графики. В данном исследовании оцениваются два подхода к распоз-наванию рукописного текста (HTR): CRNN на базе Kraken, обучаемая с нуля, и модель TrOCR на базе трансформера с использованием трансферного обучения. Эксперименты проводились на изображениях 2531 строки из коллекции Гунна-ра Ярринга (Gunnar Jarring Collection) с разбиением данных на уровне страниц для предотвращения утечки данных. Для решения проблемы нехватки данных были применены стратегии аугментации, специфичные для каждой архитекту-ры. Модель TrOCR, дообученная на дополненных данных, продемонстрировала наилучшие результаты, достигнув коэффициента ошибок на уровне символов (CER) 10,6% и коэффициента ошибок на уровне слов (WER) 35,59%. Аугмента-ция данных улучшила показатели распознавания для обеих оцениваемых архи-тектур, при этом конфигурации с аугментацией достигли более низких значений CER и WER по сравнению с базовыми моделями. Результаты показывают, что трансферное обучение обеспечивает более эффективную стратегию инициали-зации для исследуемого чагатайского корпуса в условиях ограниченного объема данных. Исследование устанавливает начальный экспериментальный бенчмарк для распознавания чагатайских рукописей