{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5304445"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5304445","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Ανίχνευση Γραμμών Κειμένου σε Πολυτονικά Ελληνικά Έγγραφα: Συγκριτική Ανάλυση των CRAFT, EAST, PaddleOCR και YOLO","abstract":"Η ανίχνευση γραμμών κειμένου αποτελεί κρίσιμο προπαρασκευαστικό βήμα στην ανάλυση ιστορικών εγγράφων και στην Οπτική Αναγνώριση Χαρακτήρων (OCR), ιδιαίτερα σε σύνθετα συστήματα γραφής όπως τα ελληνικά πολυτονικά κείμενα. Τα έγγραφα αυτά, πλούσια σε διακριτικά σημεία και ποικίλες διατάξεις, παρουσιάζουν μοναδικές προκλήσεις για τον διαχωρισμό γραμμών. Στην παρούσα διπλωματική εργασία προτείνουμε μία συγκριτική προσέγγιση με χρήση τριών μεθόδων βασισμένων σε νευρωνικά δίκτυα βάθους: τον ανιχνευτή Character-Region Awareness For Text (CRAFT), τον ανιχνευτή Efficient and Accurate Scene Text (EAST), το μοντέλο PaddleOCR, καθώς και δύο πρόσφατες υπερσύγχρονες εκδόσεις της οικογένειας μοντέλων ανίχνευσης αντικειμένων YOLO: YOLOv11-seg και YOLOv11-obb. Χρησιμοποιήθηκε ένα επιμελημένο σύνολο δεδομένων από σαρωμένα πολυτονικά ελληνικά χειρόγραφα και έντυπα, με ετικέτες σε επίπεδο γραμμής. Η διαδικασία περιλαμβάνει προεπεξεργασία, εκπαίδευση των μοντέλων και αξιολόγηση μετρικών όπως η ακρίβεια (precision), η ανάκληση (recall), f1 score και η ταχύτητα. Τα αποτελέσματα δείχνουν ότι το YOLOv11-obb υπερέχει των υπόλοιπων μοντέλων σε περιοχές με πυκνό κείμενο. Η εργασία αυτή συμβάλλει στην καλύτερη κατάτμηση γραμμών κειμένου για έργα ψηφιοποίησης και στην περαιτέρω βελτίωση της OCR για πολυτονικά ελληνικά.","abstract_html":"Η ανίχνευση γραμμών κειμένου αποτελεί κρίσιμο προπαρασκευαστικό βήμα στην ανάλυση ιστορικών εγγράφων και στην Οπτική Αναγνώριση Χαρακτήρων (OCR), ιδιαίτερα σε σύνθετα συστήματα γραφής όπως τα ελληνικά πολυτονικά κείμενα. Τα έγγραφα αυτά, πλούσια σε διακριτικά σημεία και ποικίλες διατάξεις, παρουσιάζουν μοναδικές προκλήσεις για τον διαχωρισμό γραμμών. Στην παρούσα διπλωματική εργασία προτείνουμε μία συγκριτική προσέγγιση με χρήση τριών μεθόδων βασισμένων σε νευρωνικά δίκτυα βάθους: τον ανιχνευτή Character-Region Awareness For Text (CRAFT), τον ανιχνευτή Efficient and Accurate Scene Text (EAST), το μοντέλο PaddleOCR, καθώς και δύο πρόσφατες υπερσύγχρονες εκδόσεις της οικογένειας μοντέλων ανίχνευσης αντικειμένων YOLO: YOLOv11-seg και YOLOv11-obb. Χρησιμοποιήθηκε ένα επιμελημένο σύνολο δεδομένων από σαρωμένα πολυτονικά ελληνικά χειρόγραφα και έντυπα, με ετικέτες σε επίπεδο γραμμής. Η διαδικασία περιλαμβάνει προεπεξεργασία, εκπαίδευση των μοντέλων και αξιολόγηση μετρικών όπως η ακρίβεια (precision), η ανάκληση (recall), f1 score και η ταχύτητα. Τα αποτελέσματα δείχνουν ότι το YOLOv11-obb υπερέχει των υπόλοιπων μοντέλων σε περιοχές με πυκνό κείμενο. Η εργασία αυτή συμβάλλει στην καλύτερη κατάτμηση γραμμών κειμένου για έργα ψηφιοποίησης και στην περαιτέρω βελτίωση της OCR για πολυτονικά ελληνικά.","abstract_has_math":false,"creators":["Κωνσταντινίδου Δέσποινα","Konstantinidou Despina"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:40:07Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["Ελληνικά","English","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5304445"],"render_values":[{"text":"uoadl:5304445","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5304445","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5304445","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5304445","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κωνσταντινίδου Δέσποινα","Konstantinidou Despina"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","English","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5304445","https://pergamos.lib.uoa.gr/uoa/dl/object/5304445"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η ανίχνευση γραμμών κειμένου αποτελεί κρίσιμο προπαρασκευαστικό βήμα στην ανάλυση ιστορικών εγγράφων και στην Οπτική Αναγνώριση Χαρακτήρων (OCR), ιδιαίτερα σε σύνθετα συστήματα γραφής όπως τα ελληνικά πολυτονικά κείμενα. Τα έγγραφα αυτά, πλούσια σε διακριτικά σημεία και ποικίλες διατάξεις, παρουσιάζουν μοναδικές προκλήσεις για τον διαχωρισμό γραμμών. Στην παρούσα διπλωματική εργασία προτείνουμε μία συγκριτική προσέγγιση με χρήση τριών μεθόδων βασισμένων σε νευρωνικά δίκτυα βάθους: τον ανιχνευτή Character-Region Awareness For Text (CRAFT), τον ανιχνευτή Efficient and Accurate Scene Text (EAST), το μοντέλο PaddleOCR, καθώς και δύο πρόσφατες υπερσύγχρονες εκδόσεις της οικογένειας μοντέλων ανίχνευσης αντικειμένων YOLO: YOLOv11-seg και YOLOv11-obb. Χρησιμοποιήθηκε ένα επιμελημένο σύνολο δεδομένων από σαρωμένα πολυτονικά ελληνικά χειρόγραφα και έντυπα, με ετικέτες σε επίπεδο γραμμής. Η διαδικασία περιλαμβάνει προεπεξεργασία, εκπαίδευση των μοντέλων και αξιολόγηση μετρικών όπως η ακρίβεια (precision), η ανάκληση (recall), f1 score και η ταχύτητα. Τα αποτελέσματα δείχνουν ότι το YOLOv11-obb υπερέχει των υπόλοιπων μοντέλων σε περιοχές με πυκνό κείμενο. Η εργασία αυτή συμβάλλει στην καλύτερη κατάτμηση γραμμών κειμένου για έργα ψηφιοποίησης και στην περαιτέρω βελτίωση της OCR για πολυτονικά ελληνικά.","Text line detection is a critical preprocessing step in historical document analysis and Optical Character Recognition (OCR), especially in complex scripts such as Greek polytonic texts. These documents, rich in diacritical marks and varying layouts, pose unique challenges for line segmentation. In this thesis, we propose a comparative approach using three deep learning-based methods: the Character-Region Awareness For Text detection (CRAFT) detector, the Efficient and Accurate Scene Text (EAST) detector, the PaddleOCR model and two recent state-of-the-art versions of the YOLO family of object detection models: YOLOv11-seg and YOLOv11-obb. A curated dataset of scanned Greek polytonic manuscripts and printed materials was used with line-level ground truth annotations. Our pipeline includes preprocessing, model training, and evaluation using precision, recall, f1 score and speed. Results indicate that YOLOv11-obb outperforms the rest of the models in dense text regions. This work contributes to improved text line segmentation in digitization efforts and downstream polytonic OCR tasks."]},{"key":"dc:title","label":"Title","values":["Ανίχνευση Γραμμών Κειμένου σε Πολυτονικά Ελληνικά Έγγραφα: Συγκριτική Ανάλυση των CRAFT, EAST, PaddleOCR και YOLO"]}]}],"canonical_facts":{"dc:creator":["Κωνσταντινίδου Δέσποινα","Konstantinidou Despina"],"dc:date":["2025"],"dc:description":["Η ανίχνευση γραμμών κειμένου αποτελεί κρίσιμο προπαρασκευαστικό βήμα στην ανάλυση ιστορικών εγγράφων και στην Οπτική Αναγνώριση Χαρακτήρων (OCR), ιδιαίτερα σε σύνθετα συστήματα γραφής όπως τα ελληνικά πολυτονικά κείμενα. Τα έγγραφα αυτά, πλούσια σε διακριτικά σημεία και ποικίλες διατάξεις, παρουσιάζουν μοναδικές προκλήσεις για τον διαχωρισμό γραμμών. Στην παρούσα διπλωματική εργασία προτείνουμε μία συγκριτική προσέγγιση με χρήση τριών μεθόδων βασισμένων σε νευρωνικά δίκτυα βάθους: τον ανιχνευτή Character-Region Awareness For Text (CRAFT), τον ανιχνευτή Efficient and Accurate Scene Text (EAST), το μοντέλο PaddleOCR, καθώς και δύο πρόσφατες υπερσύγχρονες εκδόσεις της οικογένειας μοντέλων ανίχνευσης αντικειμένων YOLO: YOLOv11-seg και YOLOv11-obb. Χρησιμοποιήθηκε ένα επιμελημένο σύνολο δεδομένων από σαρωμένα πολυτονικά ελληνικά χειρόγραφα και έντυπα, με ετικέτες σε επίπεδο γραμμής. Η διαδικασία περιλαμβάνει προεπεξεργασία, εκπαίδευση των μοντέλων και αξιολόγηση μετρικών όπως η ακρίβεια (precision), η ανάκληση (recall), f1 score και η ταχύτητα. Τα αποτελέσματα δείχνουν ότι το YOLOv11-obb υπερέχει των υπόλοιπων μοντέλων σε περιοχές με πυκνό κείμενο. Η εργασία αυτή συμβάλλει στην καλύτερη κατάτμηση γραμμών κειμένου για έργα ψηφιοποίησης και στην περαιτέρω βελτίωση της OCR για πολυτονικά ελληνικά.","Text line detection is a critical preprocessing step in historical document analysis and Optical Character Recognition (OCR), especially in complex scripts such as Greek polytonic texts. These documents, rich in diacritical marks and varying layouts, pose unique challenges for line segmentation. In this thesis, we propose a comparative approach using three deep learning-based methods: the Character-Region Awareness For Text detection (CRAFT) detector, the Efficient and Accurate Scene Text (EAST) detector, the PaddleOCR model and two recent state-of-the-art versions of the YOLO family of object detection models: YOLOv11-seg and YOLOv11-obb. A curated dataset of scanned Greek polytonic manuscripts and printed materials was used with line-level ground truth annotations. Our pipeline includes preprocessing, model training, and evaluation using precision, recall, f1 score and speed. Results indicate that YOLOv11-obb outperforms the rest of the models in dense text regions. This work contributes to improved text line segmentation in digitization efforts and downstream polytonic OCR tasks."],"dc:identifier":["uoadl:5304445","https://pergamos.lib.uoa.gr/uoa/dl/object/5304445"],"dc:language":["Ελληνικά","English","Greek"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Ανίχνευση Γραμμών Κειμένου σε Πολυτονικά Ελληνικά Έγγραφα: Συγκριτική Ανάλυση των CRAFT, EAST, PaddleOCR και YOLO"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:40:07Z"}