• search hit 51 of 922
Back to Result List

Automatisierte Texterkennung mit der freien Software Tesseract

  • 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!

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Stefan Weil, Jan Kamlah, Philipp Zumstein
Parent Title (German):Hands-On Lab digital / Automatisierte Texterkennung mit der freien Software Tesseract (26.05.2020, 16:00 - 18:00 Uhr, Konferenzraum 15)
Document Type:Conference publication (abstract)
Language:German
Year of Completion:2020
Release Date:2020/05/18
Themes:Erschließung, Linked Open Data, RDA
German Bibliothekartage / BiblioCon:109. Deutscher Bibliothekartag in Hannover 2020 (abgesagt)
109. Deutscher Bibliothekartag in Hannover 2020 (abgesagt) / Labs / Hands-On Lab digital
Licence (German):License LogoDeutsches Urheberrecht
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.