Questo sito utilizza solo cookie tecnici o equivalenti.
Per maggiori informazioni clicca qui.

Registrazione Login
logo
Search
10.36181/digitalia-00015
Sezione: Progetti
Data di pubblicazione: 23-12-2020

New Approaches to OCR for Early Printed Books

Nikolaus Weichselbaumer , Mathias Seuret , Saskia Limbach , Rui Dong , Manuel Burghardt , Vincent Christlein

Parole chiave: History of the Book, Font Group Recognition, OCR, Document Analysis, Neural Network, Early Printed Books
I libri stampati prima del 1800 presentano molte difficoltà per l'OCR. Uno degliostacoli principali è rappresentato dalla mancanza di diversità dei caratteri storici usati per lo sviluppo del sistema. Il progetto OCR-D, che ha visto la collaborazione di storici del libro e informatici, ha avuto il fine di affrontare questa carenza concentrandosi su tre problemi fondamentali. Il primo obiettivo è stato creare uno strumento che riconoscesse automaticamente le famiglie di caratteri nelle immagini di testi a stampa antichi. Ci siamo concentrati sulle famiglie di caratteri gotici comunemente usate nei testi stampati in Germania nel XV e XVI secolo: il più conosciuto Fraktur e le meno note Bastarda, Rotunda, Textura e Schwabacher. Lo strumento è stato sviluppato su 35.000 immagini, raggiunge un livello di precisione del 98% e riesce a distinguere non solo tra le famiglie di caratteri già menzionate ma anche tra ebraico, greco, antiqua e corsivo. È inoltre in grado di identificare immagini xilografiche e dati irrilevanti (coperte, pagine bianche ecc.). In una seconda fase abbiamo creato un’infrastruttura on-line (okralact) che facilita l’uso di vari motori OCR open source come Tesseract, OCRopus, Kraken e Calamari e che, allo stesso tempo, facilita l’apprendimento di modelli specifici per famiglie di caratteri. L'elevata precisione di questo software per il riconoscimento apre la strada all’opportunità senza precedenti di distinguere i caratteri utilizzati da ogni stampatore. Con una maggiore quantità di dati per il raffinamento e aggiustamenti successivi, questo strumento può rivelarsi utile nel colmare una lacuna considerevole nella ricerca storica.      
PDF

Autori/Autrici

Nikolaus Weichselbaumer - University of Mainz

Mathias Seuret - University of Erlangen-Nuremberg

Saskia Limbach - Università degli Studi di Milano

Rui Dong - Universidad del Noreste - Northeastern University - Northeastern University

Manuel Burghardt - Leipzig University

Vincent Christlein - University of Erlangen-Nuremberg

Licenza

Copyright (c) 2020 DigItalia

Creative Commons License

Questo articolo è soggetto a licenza Creative Commons Attribution-ShareAlike 3.0 Unported License.

Autrici e autori che pubblicano su questa rivista accettano le seguenti condizioni: 

  1. mantengono i diritti di proprietà intellettuale sulla loro opera e cedono alla rivista il diritto di prima pubblicazione dell'opera, sotto la seguente licenza: Attribuzione-Condividi allo stesso modo 4.0 Internazionale Questa licenza consente ad altri di condividere l'opera indicando la paternità intellettuale e la prima pubblicazione su questa rivista. Gli autori e le autrici che pubblicano in questa rivista mantengono i propri diritti d'autore.
  2. possono aderire ad altri accordi di licenza non esclusiva per la distribuzione della versione dell'opera pubblicata (es. depositarla in un archivio istituzionale o pubblicarla in una monografia), a patto di indicare che la prima pubblicazione è avvenuta su questa rivista.
  3. possono diffondere la loro opera online (es. in repository istituzionali o nel proprio sito web) dopo la pubblicazione, citandone la provenienza con eventuale link alla rivista. 

Come citare

New Approaches to OCR for Early Printed Books. (2020). DigItalia, 15(2), 74-87. https://doi.org/10.36181/digitalia-00015
  • Abstract: 887
  • PDF: 203
Condividi