[Projektvorstellung] OCR-Technologien im Vergleich

Das Projekt OCR-Technologien im Vergleich ist in der digitalen Sprachwissenschaft verankert. Es wurde eine Grundlage für die computergestützte Untersuchung vormoderner lexikographischer Werke und hi­storischer Sprachkontakte im Bereich der Lexik erarbeitet. Zum Ausbau einer tech­ni­schen Infrastruktur für die digitale Erfassung mehrsprachiger Wörterbücher (Handschriften und Alt­dru­cke) wurden lexikographische Daten mit Hinblick auf Verknüpfung in einer Datenbank auf­bereitet. Gleichzeitig wurde der zu untersuchende Datensatz mit­hilfe der HTR-Tools Transkribus und eScriptorium erweitert. In diesem Zusammenhang wur­den HTR-Modelle trainiert und für weitere automatische Transkriptionen angewandt. Parallel wurden verschiedene OCR-Engines (CITlab HTR+, PyLaia, kraken) eva­luiert und ihre Vor- und Nachteile abgewogen. Darüber hinaus wurden internationale Kon­takte und Kooperationen mit anderen Projekten geknüpft, die lexikographische Daten sowie ganze Wör­ter­bücher zusammenführen (Gorazd, LiLa, Logeion, MLW digital).

Ansprechpartnerin sind Prof. Dr. Irina Podtergera und Walker Thompson, M.A.

— English version —

The project OCR Technologies in Comparison is rooted in digital linguistics. In it, a basis was created for the computer-aided study of pre-modern lexicographic works and historical language contact in the area of vocabulary. In order to develop a technical infrastructure for making digital records of multilingual dictionaries (manuscripts and early printed books), lexicographic data were prepared with a view to linking them in a database. At the same time, the data set under investigation was expanded using the HTR tools Transkribus and eScriptorium. In this connection, HTR models were trained and applied to generate further automatic transcriptions. In parallel, different OCR engines (CITlab HTR+, PyLaia, kraken) were evaluated and their advantages and disadvantages weighed up. Furthermore, international contacts and cooperations were established with other projects that seek to link lexicographic data as well as entire dictionaries (Gorazd, LiLa, Logeion, MLW digital).

Contact persons: Prof. Dr. Irina Podtergera and Walker Thompson, M.A.