Pokročilá extrakce a rozpoznávání obsahu tištěných a rukou psaných digitalizátů pro zvýšení jejich přístupnosti a využitelnosti

Poskytovatel

Ministerstvo kultury

Program

Program na podporu aplikovaného výzkumu a experimentálního vývoje národní a kulturní identity na léta 2016 až 2022 (NAKI II)

Veřejná soutěž

NAKI II 2 (SMK02018DG002)

Hlavní účastníci

Vysoké učení technické v Brně / Fakulta informačních technologií

Druh soutěže

VS - Veřejná soutěž

Číslo smlouvy

55/2018/OVV

Název projektu anglicky

Advanced content extraction and recognition for printed and handwritten documents for better accessibility and usability

Anotace anglicky

The project aims to create technology and tools which would improve accessibility of digitized historic documents. These tools, based on state of the art methods from computer vision, machine learning and language modeling, will enable existing digital archives and libraries to provide full-text search and content extraction for low quality historic printed and all hand written documents - which can not be automatically processed by the currently available tools. The project extends automation and capabilities of digitization pipeline by providing tools for automated quality assessment and control, quality improvement, automated text transcription of historic printed documents, semi-automated hand written text transcription, and automatic extraction of semantic information from semi-structured documents (e.g. library catalogs and birth records). The created tools and techniques will be validated by processing selected collections of digitized materials and by a pilot operation by cooperation with Moravian Library.

Kategorie VaV

VV - Experimentální vývoj

OECD FORD - hlavní obor

60401 - Arts, Art history

OECD FORD - vedlejší obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

OECD FORD - další vedlejší obor

—

CEP - odpovídající obory <br>(dle <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">převodníku</a>)

AF - Dokumentace, knihovnictví, práce s informacemi<br>AL - Umění, architektura, kulturní dědictví<br>BC - Teorie a systémy řízení<br>BD - Teorie informace<br>IN - Informatika

Hodnocení poskytovatelem

V - Vynikající výsledky projektu (s mezinárodním významem atd.)

Zhodnocení výsledků projektu

Cílem projektu bylo vytvoření nástrojů a technologií pro kvalitní extrakci textového obsahu z digitalizovaných historických dokumentů s využitím aktuálního vývoje v oblasti počítačového vidění, strojového učení a jazykového modelování. Všech cílů projektu bylo dosaženo. Funkčnost nástrojů byla ověřena poloprovozem v digitalizační lince MZK. Vyvinuté nástroje významně posunuly kvalitu rozpoznávání obsahu tištěných a rukou psaných digitalizátů. Projekt je hodnocen jako vynikající s výsledky s mezinárodním významem z toho důvodu, že již v průběhu projektu vyvinuté softwarové nástroje začali využívat i zahraniční uživatelé (akademická a univerzitní pracoviště).

Zahájení řešení

1. 3. 2018

Ukončení řešení

31. 12. 2022

Poslední stav řešení

U - Ukončený projekt

Poslední uvolnění podpory

1. 2. 2022

Důvěrnost údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Systémové označení dodávky dat

CEP23-MK0-DG-U

Datum dodání záznamu

6. 6. 2023

Celkové uznané náklady

25 205 tis. Kč

Výše podpory ze státního rozpočtu

25 205 tis. Kč

Ostatní veřejné zdroje financování

0 tis. Kč

Neveřejné tuz. a zahr. zdroje finan.

0 tis. Kč