Einführung in Theorie und Praxis der OCR mit neuronalen Netzwerken

Dozierende: Simon Clematide und Phillip Ströbel (Institut für Computerlinguistik UZH)

Optical Character Recognition (OCR), die automatische Texterkennung, ist eine der wichtigsten Methoden im Bereich der Retrodigitalisierung. Dadurch werden grosse Textmengen maschinell lesbar und durchsuchbar gemacht. Insbesondere die Texterkennung von gedruckten historischen Dokumenten weist Erfolge auf, bleibt aber nach wie vor anspruchsvoll: Frakturschrift, Flecken auf den Seiten, durchscheinender Text sowie verschiedene Schriftgrössen führen dazu, dass ältere OCR-Systeme oft unverständliche und verstümmelte Texte extrahieren. Hier funktioniert die Textsuche anschliessend nur schlecht. Moderne auf neuronalen Netzwerken basierende OCR-Systeme schaffen neuerdings Abhilfe und sind in der Lage, Buchstaben zuverlässig und korrekt zu erkennen.

In unserem 90-minütigen Workshop erklären wir im ersten Teil die theoretischen und technischen Grundlagen von OCR, im zweiten Teil wenden wir uns der Praxis zu. Mit Hilfe des Tools «Transkribus» können die Teilnehmenden digitale Dokumente für die Texterkennung vorbereiten und erlernen zudem, wie das Trainieren eines eigenen Modells funktioniert.

Es wird empfohlen, für den Praxisteil der Veranstaltung den eigenen Laptop mitzubringen. Vorgängig wird darauf die notwendige Übungssoftware zu installieren sein. Eine entsprechende Anleitung wird an alle Teilnehmende rechtzeitig vor Kursbeginn verschickt.

Eine Teilnahme am Workshop ist mit vorangehender Anmeldung bis zum 17. August 2021 an diese Adresse möglich:

Mehr zur digitalen Werkstatt.