Stefan Weil

Liebe Deutsche Bahn @DB_Bahn, schön, dass es (meistens) Internet in den Zügen gibt. Aber muss die Anmeldung so schlecht wie im Bild sein? Sie ist so schon länger als ein Jahr! Noch schöner wäre es, wenn man sich nur einmal anmelden müsste.

@FrederikeNBR Tesseract kann darüber hinaus mit der Legacy Engine Attribute wie fett, kursiv erkennen, eventuell auch unterstrichen erkennen.

@FrederikeNBR Um welche typografischen Inlineauszeichnungen geht es konkret? Kapitälchen bleiben bei allen OCR-Tools in Form von Großbuchstaben erhalten. Die Schriftgröße ist direkt oder indirekt ebenfalls in Ausgabeformaten wie ALTO oder PAGE XML drin.

Heute am zweiten Tag beim #Kitodo-Praxistreffen intensive Diskussionen im Barcamp mit verschiedenen Themen, beispielsweise dem Umgang mit Rechten / Urheber- und Persönlichkeitsschutz bei der Online-Veröffentlichung von Digitalisaten.

Auch weitere Vorträge von Lena Hinrichsen und Matthias Boenig bzw. Katja Rykhlinskaya, Michael Kotzyba, Robert Strötgen und Sven Markus beim #Kitodo-Praxistreffen hatten #OCRD im Fokus.

Es war schön, dass ich gestern beim #Kitodo-Praxistreffen an der @ubbraunschweig Zwischenergebnisse von zwei der #OCRD-Projekte mit Beteiligung bzw. in Verantwortung der @UBMannheim einem großen Auditorium vorstellen konnte.

@angelalinghuang @FGHO_eu @Transkribus @Mediaevisten Wäre es möglich, die erstellten Transkriptionen als PAGE XML zu exportieren und auch für andere Transkriptionsplattformen wie #eScriptorium verfügbar zu machen? Dann könnten wir auch dort frei (!) nachnutzbare Modelle trainieren.

Nach unserer @FGHO_eu @Transkribus Sommerschule 2022 arbeitet ein harter Kern bis heute an HTR Modellen für DE Handschriften des 15. Jhs. Material liefert auch das Stadtarchiv Stade - das aktuelle Modell läuft schon gut!! 🙌 @Mediaevisten #medievaltwitter the more the merrier! 😉

Einfach mal stöbern, z. B. im Deutschen Reichsanzeiger der @UBMannheim (digi.bib.uni-mannheim.de/periodika/reic…, digi.bib.uni-mannheim.de/fess/) oder im Zeitungsportal der @ddbkultur (deutsche-digitale-bibliothek.de/newspaper) lohnt sich auch für #Journalisten.

Und für viele Online-Angebote der Bibliotheken braucht man nicht einmal einen Bibliotheksausweis. Historische Zeitungen mit Hintergrundinformation zu Corona (Spanische Grippe), Benin-Bronzen, Kolonialzeit, Afghanistan und vielen anderen aktuellen Themen sind frei zugänglich.

@SlineL @GerhardLauer The documentation of the #OCR training process and the resulting kraken models are available here: github.com/UB-Mannheim/di….

@stjoweil @GerhardLauer Is it public yet? as I can find it in your links..

My first mass #OCR for historical documents finished today: more than 650,000 pages from books and journals published between 1498 and early 20th century are now searchable. The OCR process used #kraken (github.com/mittagessen/kr…) with a self trained model.

The best throughput was achieved with #kraken processes running single-threaded on a server with 24 CPU cores / up to 48 threads (similar to our bulk OCR with #TesseractOCR). Originally a NVIDIA RTX A5000 GPU was used, but this was discontinued because it was not very efficient.

The model is based on our Fraktur model (zenodo.org/record/6891852) and was improved using ground truth which was produced with the installation of eScriptorium (ocr-bw.bib.uni-mannheim.de/escriptorium/) at @UBMannheim.

@davidlassner Even more models are available from ub-backup.bib.uni-mannheim.de/~stweil/tesstr…. And all of them have a documented training process and use free ground truth data.

Just saw that @stjoweil uploaded a kraken model for German fraktur. I just want to thank you! Are compatible with eScriptorium and have a very solid recognition without any fine tuning on my documents. It will be a jump start for fraktur projects that rely on a free OCR pipeline.

@hbunke Gute Besserung!

@v_christlein @UVerstegen @JanHorstmannn @UniFAU @michalhradis @UBMannheim In wenigen Wochen gibt es übrigens einen Workshop zu #eScriptorium und Transkribus an der @UBMannheim: ocr-bw.bib.uni-mannheim.de/2022/05/27/wor….

@v_christlein @UVerstegen @JanHorstmannn @UniFAU @michalhradis @UBMannheim uses eScriptorium (with kraken) from PSL since last year. It is free software and can be installed on Linux, macOS and Windows. And the last two days I evaluated #PERO #OCR which also looks like a very interesting alternative.

@mjkls Tatsächlich habe ich noch ein Buchzitat gefunden, das diese Vermutung bestätigt: "Da schrillte die Schützenpfeife." Es war der Befehl zum Angriff: #v=onepage&q=%22Sch%C3%BCtzenpfeife%22%20%22Gewehr%22&f=false" target="_blank" rel="nofollow noopener">books.google.de/books?id=Kc26d….

@stjoweil Danke! Ich hatte inzwischen auch irgendwo gelesen, dass im 1. WK Pfeifen im Militär genutzt wurden, um Befehle (z.B. zum Angriff) zu geben. Allerdings ohne den expliziten Begriff Schützenpfeife... Der Suchlink ist sehr spannend!

Was ist eine Schützenpfeife? Es muss ein Gegenstand sein, den Soldaten im 1. WK bei sich gehabt haben könnten. #followerpower

@mjkls Nochmals der Suchlink mit korrigiertem Umlaut: digi.bib.uni-mannheim.de/fess/search/?q…. Und Schützenpfeifen waren nicht nur für Soldaten.

@mjkls Bei eBay findet man Bilder von Schützenpfeifen. Und im Deutschen #Reichsanzeiger u. a. Patente. Siehe digi.bib.uni-mannheim.de/fess/search/?q…ützenpfeife. Es war wohl ein kleiner länglicher Gegenstand an einem langen Band, vielleicht zum Stopfen einer Tabakpfeife?