Ground Truth erstellen, OCR-Modelle verbessern

Weil, Stefan

PDF
Kitodo_Praxistreffen_2022_Weil_GT.pdf - Veröffentlichte Version
Download (3MB)

URN:	urn:nbn:de:bsz:180-madoc-655049
Dokumenttyp:	Präsentation auf Konferenz
Erscheinungsjahr:	2022
Veranstaltungstitel:	Kitodo Praxistreffen
Veranstaltungsort:	Braunschweig, Germany
Veranstaltungsdatum:	20.-21.10.2022
Verwandte URLs:	https://www.kitodo.org/aktuelles/news/ak...
Sprache der Veröffentlichung:	Deutsch
Einrichtung:	Zentrale Einrichtungen > UB Universitätsbibliothek
Bereits vorhandene Lizenz:	Creative Commons Namensnennung, Weitergabe unter gleichen Bedingungen 4.0 International (CC BY-SA 4.0)
Fachgebiet:	004 Informatik 020 Bibliotheks- und Informationswissenschaft
Normierte Schlagwörter (SWD):	Optische Zeichenerkennung , Open Source
Freie Schlagwörter (Deutsch):	OCR , automatisierte Texterkennung , Tesseract , Calamari , kraken , Open Source
Freie Schlagwörter (Englisch):	OCR , automated text recognition , Tesseract , Calamari , kraken , Open Source
Abstract:	Der Vortrag beschreibt anhand konkreter Beispiele, wie durch Training von künstlichen neuronalen Netzen automatisierte Texterkennung für historische Drucke bestmögliche Ergebnisse liefern kann.
Übersetzung des Abstracts:	The presentation uses concrete examples to describe how automated text recognition for historical prints can deliver the best possible results by training artificial neural networks. (Englisch)