Abstract
Egyptian hieroglyphs, the ancient Egyptian writing system, are composed entirely of drawings. Translating these glyphs into English poses various challenges, including the fact that a single glyph can have multiple meanings. Deep learning translation applications are evolving rapidly, producing remarkable results that significantly impact our lives. In this research, we propose a method for the automatic recognition and translation of ancient Egyptian hieroglyphs from images to English. This study utilized two datasets for classification and translation: the Morris Franken dataset and the EgyptianTranslation dataset. Our approach is divided into three stages: segmentation (using Contour and Detectron2), mapping symbols to Gardiner codes, and translation (using the CNN model). The model achieved a BLEU score of 42.2, a significant result compared to previous research.
Abstract (translated)
埃及象形文字，作为古埃及的书写系统，完全由图画组成。将这些符号翻译成英文存在诸多挑战，包括单个符号可能具有多种含义的情况。深度学习翻译应用正在迅速发展，并产生显著成果，对我们的生活产生了重要影响。在本研究中，我们提出了一种方法，用于从图像自动识别和翻译古埃及象形文字到英语文本。这项研究利用了两个数据集进行分类和翻译：Morris Franken 数据集和EgyptianTranslation 数据集。我们的方法分为三个阶段：分割（使用Contour 和Detectron2）、将符号映射到Gardiner 代码、以及翻译（使用CNN 模型）。该模型在BLEU 得分上达到了42.2，相比之前的研究而言，这是一个非常显著的结果。 这一研究的成果表明深度学习技术对于古文字学领域具有潜在的重要应用价值。尽管当前的结果已经相当不错，但仍存在进一步改进的空间，尤其是在提升翻译准确度和处理复杂句子结构方面。未来的工作可以探索更多样化的数据集以及更为复杂的模型架构来增强自动翻译系统的性能。 注：BLEU (Bilingual Evaluation Understudy) 是一种评估机器翻译质量的指标，通常用于比较不同系统或方法之间的表现差异。
URL
https://arxiv.org/abs/2512.03817
