TY - GEN A1 - Huff, Dorothee A1 - Stöbener, Kristina T1 - OCR-BW: Automatische Texterkennung von Handschriften T2 - TK 5: Content: Vom Umgang mit Inhalten und Daten / 95, 96 oder 100 Prozent. OCR-D (01.06.2022, 9:00 - 12:00, Vortragsraum 9 (mit Streaming)) N2 - Nach der Digitalisierung von historischen Dokumenten ist der nächste konsequente Schritt die Anreicherung der Digitalisate im Präsentationssystem mit einem durchsuchbaren Volltext, um die Zugänglichkeit zu den Texten weiter zu erhöhen und neue Forschungsfragen an das Material zu ermöglichen. Während in vielen Bibliotheken bereits verschiedene Möglichkeiten zur automatischen Texterkennung von historischen Druckwerken genutzt werden, ist die Zurückhaltung bei Handschriften vielfach höher, da handschriftliche Quellen die automatische Texterkennung vor neue Herausforderungen stellen. Mithilfe von Machine Learning wurden auf dem Feld der automatischen Handschriftenerkennung in den letzten Jahren jedoch große Fortschritte gemacht, die von Bibliotheken genutzt werden können, um ihre eigenen Bestände weiter zu erschließen, aber auch, um sich als Servicepartnerin für die Wissenschaft zu etablieren. Im Rahmen des Projekts OCR-BW (https://ocr-bw.bib.uni-mannheim.de/) werden seit 2019 Transkribus und ab 2021 auch eScriptorium für die Erzeugung von automatischen Volltexten für Handschriften systematisch an ausgewählten Corpora getestet. Die im bisherigen Projektverlauf erzielten Ergebnisse sind sehr positiv und zeigen, dass eine automatische Handschriftenerkennung mit einer Zeichenfehlerrate von unter 5 % möglich und erwartbar ist. Bereits veröffentlichte Volltexte haben die Sichtbarkeit und das Forschungsinteresse an diesen Materialien deutlich erhöht. Das Projekt zielt außerdem darauf ab, die Wissenschaft bei der Vorbereitung und Durchführung von Forschungsvorhaben zu unterstützen. An Beispielen vom mittelalterlichen Gebetbuch über Großbestände wie Juristische Konsilien bis hin zum Expeditionstagebuch des 20. Jahrhunderts soll gezeigt werden, mit welchem Ressourcenaufwand welche Ergebnisse erzielt werden können. KW - OCR-BW KW - OCR KW - HTR KW - Transkribus KW - eScriptorium KW - Handschriften Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:0290-opus4-178545 ER - TY - GEN A1 - Hinrichsen, Lena A1 - Baierer, K.U. A1 - Boenig, M. T1 - Massendigitalisierung mit OCR-D: Anwendungsmöglichkeiten für Bibliotheken und Community-Aktivitäten T2 - TK 5: Content: Vom Umgang mit Inhalten und Daten / 95, 96 oder 100 Prozent. OCR-D (01.06.2022, 9:00 - 12:00, Vortragsraum 9 (mit Streaming)) N2 - Die Deutsche Forschungsgemeinschaft (DFG) fördert seit 2015 mit dem Projekt OCR-D die Entwicklung von Werkzeugen für die Massendigitalisierung historischer Dokumente. Im Frühjahr 2021 begann die dritte und abschließende Phase. In dieser wird die automatische Generierung von Volltexten der VD 16, VD 17 und VD 18 konzeptionell und technisch in verschiedenen Bibliotheken und anderen Einrichtungen vorbereitet sowie implementiert. Die Verstetigung und Optimierung der OCR-D-Software wird begleitet von vier Projekten, die OCR-D in bestehende Anwendungen und Infrastrukturen implementieren, sowie von drei Modulprojekten, die OCR-D-Werkzeuge weiter optimieren. Im Vortrag und der begleitenden Präsentation der OCR-D-Software werden der Projektstand, die Ziele sowie die Möglichkeiten und Funktionsweisen der Software vorgestellt. Im Fokus steht dabei, welche Möglichkeiten Bibliotheken mit digitalen Beständen geboten werden, effizient und mit niedrigen Fehlerquoten Volltexte ihrer Bestände zu generieren. OCR-D ist individuell für verschiedene Digitalisierungsworkflows nutzbar. Die Erstellung von Volltexten kann bedarfsgerecht skalierbar eingerichtet werden. Welche Möglichkeiten die Software für die unterschiedlichen Bedarfe in der diversen Bibliothekslandschaft bietet, wird ebenfalls Gegenstand des Vortrags sein. OCR-D ist nicht nur eine Software, sondern eine Community von Expert:innen, Praktiker:innen und Entwickler:innen. Für diese Gemeinschaft werden verschiedene offene Kommunikationskanäle und Möglichkeiten geboten, teilzuhaben. Im zweiten Teil des Vortrages wird ein Einblick in unsere Community-Plattformen gegeben. So kann ein niedrigschwelliger Zugang dafür genutzt werden, auch für technisch nicht versierte Anwender:innen, Hilfe und Unterstützung bei der Implementierung der Software in der eigenen Bibliothek zu erhalten. T2 - Mass digitalization with OCR-D KW - OCR KW - Digitalisierung KW - OCR-D KW - open source KW - digitalization Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:0290-opus4-178585 ER - TY - GEN A1 - Schmidt, Thomas A1 - Kamlah, Jan T1 - Der Weg zum nutzbaren Volltext. Werkspezifisches Training als Baustein der OCR-Volltexterkennung für Alte Drucke T2 - TK 5: Content: Vom Umgang mit Inhalten und Daten / 95, 96 oder 100 Prozent. OCR-D (01.06.2022, 9:00 - 12:00, Vortragsraum 9 (mit Streaming)) N2 - Bibliotheken und Archive in Deutschland arbeiten seit einigen Jahren mit freien oder kommerziellen OCR-Lösungen, um aus digitalisierten Beständen Volltexte zu generieren. Die Fehlerrate der Texterkennung und die damit verbundene Nutzbarkeit der Volltexte variieren hierbei stark. Besonders Druckwerke des 16. bis 19. Jahrhunderts stellen OCR-Lösungen vor Herausforderungen: historische Schriften (beispielsweise Fraktur), heterogene Satzspiegel und typographische Besonderheiten können die Texterkennung erschweren. Dabei profitieren meist genau diese Bestände von qualitativ hochwertigen Volltexten, denn teils existieren nur noch wenige physische Exemplare eines historischen Drucks oder die konservatorischen Bedingungen lassen eine Nutzung in situ nicht zu. Der digitale Volltext gewinnt hier eine wichtige Rolle, um historische Druckwerke zugänglich zu machen. Mithilfe eines werkspezifischen Nachtrainings lässt sich die Qualität der Texterkennung signifikant erhöhen. Als Bestandteil eines allgemeineren Trainingsprozesses von OCR-Lösungen, der die Fehlerrate für eine große Bandbreite von Schriften und Druckwerken reduziert, dient ein werkspezifisches Nachtraining der Feinjustierung der Texterkennung. Auch können so besondere Glyphen (z. B. astronomische Symbole, aber auch Zeichen wie die Siegrune der NS-Zeit), die für bestimmte Anwendungszwecke eine besondere Relevanz besitzen, von gängigen OCR-Lösungen allerdings nicht erkannt werden, nachtrainiert werden. Im Rahmen des DFG-geförderten Koordinierungsprojekts „OCR-D“ realisiert die Universitätsbibliothek Mannheim derzeit anwenderfreundliches werkspezifisches Training. Anhand ausgewählter Beispiele soll ein solcher Trainingsprozess dargestellt und auf seine Vorteile und Herausforderungen eingegangen werden. KW - OCR KW - Texterkennung KW - Werkspezifisches Training KW - Workspecific training KW - text recognition Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:0290-opus4-178612 ER -