+ HTR+ legge vecchi documenti slavi con 3-5 % Character Error Rate

Recentemente il nostro nuovo HTR+ è stato testato su diversi stili di scrittura dello slavo ecclesiastico da Achim Rabus, che è titolare della cattedra di linguistica slava all'Università di Friburgo in Germania. Con la tecnologia di Transkribus i tassi di errore sono scesi al 3-5%. Lettere apicali, abbreviazioni e separazione di parole sono le sfide che l'HTR+ ha dovuto affrontare.

Un documento sul tema del riconoscimento del testo scritto a mano nei manoscritti slavi con Transkribus sta per essere pubblicato da Achim Rabus. All'interno di questo progetto ha scoperto il potenziale di Transkribus quando si tratta della digitalizzazione dei manoscritti slavi della Chiesa: la possibilità di cercare in grandi documenti senza nemmeno avere un modello speciale per la scrittura individuale e l'opportunità di evitare una trascrizione manuale completa e invece solo correggere gli errori della trascrizione automatica rende la "digitalizzazione-vita" molto più facile.

Parte dei modelli che Achim Rabus ha addestrato contengono già diverse mani e forniscono utili trascrizioni automatiche. Tuttavia il READ-Team sta lavorando per migliorare ulteriormente Transkribus in modo che anche per documenti con grafie miste possano essere prodotte trascrizioni automatiche con un basso tasso di errore dei caratteri.

La cooperazione è la chiave per ottenere il maggior beneficio per tutti. Questo è anche ciò di cui Achim Rabus è convinto e quindi è felice di condividere il suo modello con le persone interessate. Potete mettervi in contatto con lui via e-mail: achim.rabus@slavistik.uni-freiburg.de

Potete dare un'occhiata alla bozza del documento Riconoscere il testo scritto a mano nei manoscritti slavi: Un approccio a reti neurali con Transkribus sotto il seguente link: https://www.academia.edu/38835297/Recognizing_handwritten_text_in_Slavic_manuscripts_A_neural-network_approach_using_Transkribus_1_Achim_Rabus

Fonte: Rabus, Achim: Riconoscere il testo scritto a mano in manoscritti slavi: Un approccio a rete neurale usando Transkribus