TY - GEN A1 - Rykhlinskaya, Ekaterina A1 - Marcus, Sven A1 - Sommer, Erik A1 - Weigelt, Markus A1 - Weil, Stefan T1 - Integration von OCR-D in Kitodo: Digitalisierung mit automatischer Volltexterkennung T2 - TK 5: Daten und Publikationen/ OCR als Kooperation (26.05.2023, 09:00 - 12:00, Runder Saal) N2 - Kombinierte Lösungen im Bereich Digitalisierung/Texterkennung sind heutzutage sehr gefragt und versprechen einen großen Fortschritt für Digitalisierungsprojekte zu verschiedensten Kulturgütern. Besonders im Bibliothekswesen ist die automatische Erzeugung von Volltext bei der Digitalisierung historischer Drucke ein wesentliches Desiderat. Für die Verwaltung von Digitalisierungsworkflows ist Kitodo.Production ein weit verbreitetes Werkzeug. Diese Open-Source-Software unterstützt alle Schritte des Digitalisierungsprozesses und ist auch für automatische Texterkennung erweiterbar, wofür bisher nur Dienstleister mit priorietärer Software verfügbar waren. Doch gerade Open-Source-OCR hat sich in den letzten Jahren sehr dynamisch entwickelt und auf einem breiten Spektrum von Materialien einen qualitativen Sprung gemacht. Daher wurde entschieden, die ebenfalls freie Software OCR-D in Kitodo.Production zu integrieren. Diese kombinierte Lösung ermöglicht die flexible automatische Texterkennung für neue Digitalisierungen historischer Drucke sowie für bereits digitalisierte Bestände. Gefördert durch die DFG, ist das oben beschriebene Integrationsprojekt eine Zusammenarbeit zwischen der SLUB Dresden, der UB Mannheim und der UB Braunschweig. Y1 - 2023 ER - TY - GEN A1 - Baierer, Konstantin A1 - Hinrichsen, Lena A1 - Sommer, Erik A1 - Weigelt, Markus A1 - Weil, Stefan T1 - OCR für die Massendigitalisierung: Einführung in OCR-D T2 - Hands-on Lab/ OCR für die Massendigitalisierung: Einführung in OCR-D (24.05.2023, 14:00 - 16:00, Konferenzraum 16) N2 - Die automatische Volltexterkennung erfordert neben technischen Lösungen den Aufbau und Erhalt von Kompetenzen rund um OCR in den Kulturerbeeinrichtungen. Das Hands-on Lab bietet daher einen Einblick in die Einsatzmöglichkeiten von OCR-D: Die UB Braunschweig, die SLUB Dresden und die UB Mannheim entwickeln eine OCR-D-Integration in Kitodo.Production. Wir zeigen, wie mithilfe von Kitodo zukünftig, abhängig von der erforderlichen Skalierbarkeit, optimale OCR-Workflows genutzt werden können. Zudem probieren wir eine entwickelte Lösung für OCR on Demand im DFG-Viewer aus. Die ULB Sachsen-Anhalt entwickelt ODEM (OCR-D Erweiterung für Massendigitalisierung) als eine niedrigschwellige, vollautomatische Lösung, auch um zu demonstrieren, wie OCR-D in hausintern entwickelte Digitalisierungsworkflows integriert werden kann. Besonderes Augenmerk liegt hier auf einer leichtgewichtigen Architektur, hoher Qualität auch für heterogene Sprach- und Schriftbilder und Anreicherung bestehender Metadaten. Das Projekt OPERANDI von SUB und GWDG Göttingen erhöht den Durchsatz unter anderem durch die Nutzung von Hochleistungsrechnern, Workflow-Parallelisierung, Zwischenspeicherung und Verbesserung der Prozessoren. Wir stellen die Architektur von OPERANDI vor und diskutieren Möglichkeiten, wie damit die massenhafte OCR der VD zentral geleistet werden kann. Schließlich probieren wir OCR4all aus, eine grafische Oberfläche für alle Aspekte eines OCR-Workflows, das im Rahmen des Projekts OCR4all-libraries der Universität Würzburg und des GEI Braunschweig auf die Verwendung von OCR-D-Komponenten umgebaut wird. Dank der intuitiven Benutzeroberfläche ermöglicht OCR4all den raschen Einstieg in OCR-D und Workflows können mit anderen Implementierungsprojekten hochskaliert werden. Die Teilnehmenden haben am Ende des Workshops einen Überblick darüber, wie sie OCR-D im eigenen Haus einsetzen können, und haben erste praktische Erfahrungen mit den vielfältigen Möglichkeiten der Texterkennung gesammelt Y1 - 2023 ER - TY - GEN A1 - Weil, Stefan A1 - Kamlah, Jan A1 - Zumstein, Philipp T1 - Automatisierte Texterkennung mit der freien Software Tesseract T2 - Hands-On Lab digital / Automatisierte Texterkennung mit der freien Software Tesseract (26.05.2020, 16:00 - 18:00 Uhr, Konferenzraum 15) N2 - Viele Bibliotheken und Archive digitalisieren ihre historischen Druckwerke und machen diese auch im Internet zugänglich. Aber erst mit durchsuchbarem Text, der auch maschinell weiterverarbeitet werden kann, wird der historische Schatz wirklich gut erschlossen, und Alte Drucke werden zu modernen Forschungsdaten. Wer dies erkannt hat, verlässt sich häufig noch auf einen externen Dienstleister für die automatisierte Texterkennung per Software – die sogenannte OCR ("optical character recognition", also optische Zeichenerkennung). Das Hands-On-Lab bietet die Möglichkeit, OCR einmal selbst auszuprobieren, auf dem eigenen Notebook die Software Tesseract zu installieren und damit erste Gehversuche zur automatisierten Texterkennung zu machen. Vorlage können mitgebrachte Scans von Seiten aus historischen Büchern oder Beispiele aus dem Internet sein. Fortgeschrittene Anwender erhalten einen Einblick in das Training neuer oder verbesserter Modelle für die Texterkennung. Tesseract entstand in den 80er Jahren, wird aber bis heute aktiv weiterentwickelt und gepflegt und gehört mit zu den leistungsfähigsten Produkten für OCR. So ist es auch eine wichtige Komponente von OCR-D, der Koordinierten Förderinitiative zur Weiterentwicklung von Verfahren für die Optical Character Recognition (OCR) der Deutschen Forschungsgemeinschaft (DFG). Die Universitätsbibliothek Mannheim hat im Rahmen von OCR-D Tesseract weiterentwickelt und ist eine der Pilotbibliotheken von OCR-D. Die dabei gemachten Erfahrungen werden ebenfalls kurz vorgestellt. Bitte eigenes Notebook (Windows, macOS oder Linux) mitbringen! Y1 - 2020 ER -