OCR4all

Jonathan Green, dessen Buch “Printing and Prophecy” (2011) inzwischen Open Access einsehbar ist, empfiehlt für die OCR von Drucken des 15./16. Jahrhunderts OCR4all:

http://researchfragments.blogspot.com/2023/04/ocr4all-is-good.html



Diesen Blogbeitrag zitieren
Klaus Graf (2023, 8. April). OCR4all. Archivalia. Abgerufen am 22. Mai 2024, von https://doi.org/10.58079/chr6

Autor: Klaus Graf

Historiker und Archivar, Blogger

2 Gedanken zu „OCR4all“

  1. Für das Beispiel von Jonathan Green lässt sich mit überschaubarem Aufwand brauchbarer Text erzeugen:

    https://dfg-viewer.bib.uni-mannheim.de/viewer?tx_dlf%5Bid%5D=https%3A%2F%2Fub-backup.bib.uni-mannheim.de%2F%7Estweil%2Fd-gt%2Fdata%2FDE-12%2Furn%3Anbn%3Ade%3Abvb%3A12-bsb00034304-6%2Fmets.xml

    Verwendet habe ich dafür eScriptorium mit Kraken und den Kraken-Modellen german_print und ubma_segmentation der UB Mannheim. Mit Hilfe von rund 15 nachkorrigierten Seiten konnte ich ein werkspezifisches Modell trainieren, das dann die OCR für die restlichen Seiten des Buches erstellt hat.

  2. Zur OCR von Fraktur benutze ich grundlegend Google Docs (Seite als Bild hochladen, mit Google Docs öffnen – man bekommt eine Word-Datei mit dem Bild und dem erkannten Text darunter).
    Funktioniert bei Drucktexten auch sonst für viele Sprachen gut bis sehr gut.
    Für den von Jonathan Green als Beispiel gebrachten Text erhalte ich etwa folgendes Ergebnis:

    Jtem/vil wilder thier/id eft (Fürsten) werden widerwertiglich miteinander reden. Jm. 1524.jar. Vnd ein grosser adler/id eft (Reiser desselben haupt/vnd werden gehen auff die weitte der er den/id eft(Türcken vnd das heilig land)vnd welcher den namen des sterns/id eft(Bapst)hat/derselb wirt geladen/aber er wirt nit kumen/doch so wirt er senden den/der dennamen des visch hat idest(delfin/das ist der Künig von Franckreich)vnd wirt an sich nemen der adler ein grosse famlung/vñ der Leopardus/id eft(der Römisch Rünig) auß Campo albo/vnd durch die Ritterschafft eingehen vn machen ein haupt in der Marchia/id eft(in der Mar chia vnd eins ist in Welschen landen) vnd wirt darnach gehen wider das erdtreich/das da seyn grund hat von verreterey/id eft (wider Welsch land vnd der Römer)vnd welcher den namen des vischs hat/der wirt an sich nemen den weg Leopardus/vñkumen roider in vber die lender Campaniam zwischen der grund Pars mam schlösser/id eft(stet in Welschen landen)vnd wirt sich hals ten widerwertig/ vnd da wirt dann vil Blüts vergiessung durch manschlacht bey dem fluß/ welcher genennet ist der arbeyt/id est (wascher fluß) darnach wirdt derselb fluß des Bluts/der von der manschlacht einkumpt/ vnd der da den gange tag Billt/id est(Rü nig von Ungern)der wirt sterben von eisen/vnd wirt vber in hers schen der Leopardus/darnach wirt er sterben natürlichs tods/vi wirt darnach frid durch dz ganz erdtrich werde/Das werd war! AME17.

    Nach Einfügen von Leerstellen bei /, ( und ) sowie einigen (genau acht) Korrekturen durch Vergleich mit dem Original sieht es dann so aus:

    Jtem / vil wilder thier / id est (Fürsten) werden widerwertiglich miteinander reden. Jm. 1524.jar. Vnd ein grosser adler / id est (Keiser desselben haupt / vnd werden gehen auff die weitte der er den / id est (Türcken vnd das heilig land) vnd welcher den namen des sterns / id est (Bapst) hat / derselb wirt geladen / aber er wirt nit kumen / doch so wirt er senden den / der den namen des visch hat id est (delfin / das ist der Künig von Franckreich) vnd wirt an sich nemen der adler ein grosse famlung / vñ der Leopardus / id est (der Römisch Künig) auß Campo albo / vnd durch die Ritterschafft eingehen vñ machen ein haupt in der Marchia / id est (in der Marchia vnd eins ist in Welschen landen) vnd wirt darnach gehen wider das erdtreich / das da seyn grund hat von verreterey / id est (wider Welsch land vnd der Römer) vnd welcher den namen des vischs hat / der wirt an sich nemen den weg Leopardus / vñ kumen wider in vber die lender Campaniam zwischen der grund Parmam schlösser / id est (stet in Welschen landen) vnd wirt sich halten widerwertig / vnd da wirt dann vil Blüts vergiessung durch manschlacht bey dem fluß / welcher genennet ist der arbeyt / id est (wascher fluß) darnach wirdt derselb fluß des Bluts / der von der manschlacht einkumpt / vnd der da den gantze tag Billt / id est (Künig von Ungern) der wirt sterben von eisen / vnd wirt vber in hers schen der Leopardus / darnach wirt er sterben natürlichs tods / vñ wirt darnach frid durch dz gantz erdtrich werde / Das werd war! AMEN.

    Akzeptabel für den relativ kleinen Aufwand, meine ich.
    Klar, es geht nur Bild für Bild, wobei die Bilder mehr oder weniger Text enthalten können, zudem ist Google Docs nicht trainierbar; dennoch eine gute Alternative für jemanden, der wie ich mit Open-Source-Anwendungen wenig Erfahrung hat.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search