Artigo avalia modelos YOLO para digitalização de jornais antigos

Os pesquisadores Eder Silva dos Santos Júnior, Thuanne Paixão e Ana Beatriz Alvarez, do laboratório Pesquisas Aplicadas em Visão e Inteligência Computacional (Pavic-Lab), da Ufac, publicaram, em inglês, artigo na revista “Applied Sciences” (vol. 15-6), o qual destaca os avanços na digitalização de jornais antigos e a importância da tecnologia para a preservação do patrimônio documental.

O estudo avaliou o desempenho das arquiteturas YOLOv8, YOLOv9, YOLOv10 e YOLOv11 na análise de leiaute de documentos históricos. Os pesquisadores testaram os modelos YOLO utilizando três conjuntos de dados: BHN, GBN e Printed BlaLet GT. Os resultados mostraram que a arquitetura YOLOv8 obteve o melhor desempenho, com um recall de 81% e uma precisão média (mAP) de 89%, evidenciando sua eficiência na conversão de documentos históricos para formatos acessíveis e editáveis.

Segundo os autores, o estudo reforça a importância do uso de redes neurais profundas para superar desafios como diferentes tamanhos e estilos de fonte, largura de colunas e a presença de separadores, problemas comuns em jornais antigos. Os achados podem contribuir para aprimorar sistemas de reconhecimento óptico de caracteres (OCR), ampliando o acesso a documentos históricos digitalizados.