一种藏文文本加密方法的研究与实现

本文为了解决文本在网络传输过程中的安全性问题,设计并实现了一种根据藏文音节结构的文本加密方法。本文采用移位加密方法,按构件顺序替换相应的构件组成新的藏字,解密时按反向移位方法还原该藏字。该方法不仅能加密常用的藏文字符外,还能加密藏文数字和一些特殊字符,对文本的保密、文件的完整性和稳定性都有很重要的作用。

自然场景下乌金体藏文的检测与识别

自然场景乌金体藏文文本信息作为高度浓缩的高层语义信息,不仅具有较大的研究和实用价值,而且可以用于协助藏文场景文本理解领域的研究.目前针对自然场景下乌金体藏文的检测与识别的相关研究甚少,本文在人工收集的自然场景乌金体藏文图像数据集的基础上,对比了目前常见的文字检测算法在自然场景乌金体藏文上的检测性能以及在不同特征提取网络下基于序列的文字识别算法CRNN在自然场景乌金体藏文图像数据集上的识别准确率并分析了在314张真实自然场景下乌金体藏文识别出错的特殊例子.实验表明本文在文字检测阶段采用的可微分的二值化网络DBNet在测试集上具有更好的检测性能,该方法在测试集上的准确率、召回率、F1值分别达到了0.89、0.59、0.71;在文字识别阶段采用MobileNetV3 Large作为特征提取网络时,CRNN算法在测试集上的识别准确率最高,达到了0.4365.

古今藏文动词音节演变研究

动词是藏语句子的核心,是藏文语法中最重要的部分。藏语动词的变化有独特而复杂的历史演变过程,能反映词汇和语法演变的规律。文章采用词频统计法分别对吐蕃时期、10~14世纪和现代等3个西藏主要历史时期的藏文动词进行统计比较,以探明藏文动词的音节变化规律和演变过程。

基于YOLO_v3的车辆和行人检测方法

在新时代背景下,智慧交通的概念已经出现在人们的生活中。检测车辆和行人已经成为目标检测领域比较热门的应用研究方向。该文将YOLO_v3目标检测算法应用于车辆和行人的检测。针对行人和车辆检测问题,将分类器的输出张量维度设置为21维。实验结果表明,训练出的模型在测试集上的平均检测精度约为89%。其中,车辆的检测精度约为95.64%,行人的检测精度约为82.55%。