Vestigia Scriptorium
Artykuły
Przygotuj Ground Truth, wytrenuj model HTR i oceń transkrypcję rękopisów historycznych. Praktyczne poradniki do Transkribus, eScriptorium i Kraken.
Trenowanie modeli HTR do rozpoznawania rękopisów historycznych
Rozpoznawanie tekstu odręcznego (HTR) to technologia zaprojektowana w celu automatycznego rozpoznawania tekstu pisanego odręcznie z cyfrowych obrazów dokumentów. W przeciwieństwie do klasycznego OCR, który w przeszłości skupiał się głównie na dokumentach drukowanych, HTR musi pracować ze znacznie większą różnorodnością znaków, słów i całych stylów skrybów. Ta sama litera może mieć w rękopisie wiele form, a jej wygląd różni się nie tylko u poszczególnych skrybów, ale także w zależności od otaczających ją znaków, użytego przyrządu do pisania, okresu powstania dokumentu czy stanu fizycznego oryginału.
Czytaj artykuł HTR · 02Praktyczny przewodnik: jak wytrenować pierwszy model HTR
Stworzenie własnego modelu rozpoznawania tekstu odręcznego (HTR) nie wymaga wiedzy z zakresu programowania ani uczenia maszynowego. Podstawową zasadą jest to, że przedstawiamy systemowi odpowiednią liczbę obrazów linii pisma wraz z ich poprawną transkrypcją. Para ta – obraz dokumentu i jego zweryfikowana transkrypcja – tworzy tzw. Ground Truth (GT), czyli dane referencyjne, z których uczy się model.
Czytaj artykuł HTR · 03Przykład praktyczny: tworzenie modelu HTR dla jednej księgi archiwalnej
Wyobraźmy sobie, że mamy zdigitalizowany 300-stronicowy rejestr gruntów. Księga powstawała przez kilkadziesiąt lat i zawiera wpisy kilku skrybów. Celem nie jest stworzenie dyplomatycznego wydania całego źródła, ale uzyskanie odpowiednio wysokiej jakości automatycznej transkrypcji, w której możliwe będzie wyszukiwanie nazwisk osób, nazw miejscowości, numerów gospodarstw i innych danych.
Czytaj artykuł HTR · 04Przygotowanie środowiska testowego do pracy z HTR
Zanim zaczniemy tworzyć własne Ground Truth i trenować model HTR, warto przygotować osobne środowisko testowe, w którym będziemy mogli bezpiecznie eksperymentować ze zdigitalizowanymi dokumentami, modelami i indywidualnymi ustawieniami narzędzi.
Czytaj artykuł