Vestigia Scriptorium
Cikkek
Ground Truth előkészítése, HTR-modellek tanítása és történelmi kéziratok átiratainak értékelése. Gyakorlati útmutatók Transkribus, eScriptorium és Kraken használatához.
HTR-modellek betanítása történelmi kéziratok felismerésére
A kézírás-felismerés (HTR) egy olyan technológia, amelyet arra terveztek, hogy automatikusan felismerje a kézzel írt szöveget a digitális dokumentumok képeiből. Ellentétben a klasszikus OCR-rel, amely történelmileg elsősorban a nyomtatott dokumentumokra összpontosított, a HTR-nek a karakterek, szavak és teljes írásstílusok lényegesen nagyobb variálhatóságával kell dolgoznia. Ugyanazon betűnek sokféle formája lehet egy kéziratban, megjelenése nemcsak az egyes írnokok között változik, hanem a környező karakterek, a használt íróeszköz, az irat keletkezési időszaka vagy az eredeti fizikai állapota szerint is.
Cikk olvasása HTR · 02Gyakorlati útmutató: az első HTR-modell betanítása
Saját kézírásos szövegfelismerő (HTR) modell létrehozása nem igényel programozási vagy gépi tanulási ismereteket. Az alapelv az, hogy a rendszert megfelelő számú kézírássor képpel, azok helyes átírásával együtt mutassuk be. Ez a pár – a dokumentum képe és annak ellenőrzött átírása – alkotja az úgynevezett Ground Truth (GT), vagyis azt a referenciaadatot, amelyből a modell tanul.
Cikk olvasása HTR · 03Gyakorlati példa: HTR-modell létrehozása egy levéltári kötethez
Képzeljük el, hogy van egy digitalizált 300 oldalas telekkönyvünk. A könyv több évtized alatt készült, és több írástudó bejegyzéseit tartalmazza. A cél nem a teljes forrás diplomáciai kiadásának elkészítése, hanem egy kellõen jó minõségû automatikus átírás, amelyben lehetõvé válik személynevek, helynevek, tanyaszámok és egyéb adatok keresése.
Cikk olvasása HTR · 04Tesztkörnyezet előkészítése a HTR-rel való munkához
Mielőtt elkezdenénk saját Ground Truth elkészítését és a HTR modell betanítását, célszerű külön tesztkörnyezetet készíteni, amelyben biztonságosan kísérletezhetünk digitalizált dokumentumokkal, modellekkel és egyedi eszközbeállításokkal.
Cikk olvasása