Software pro adaptabilní rozpoznávání textu starých tisků

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F20%3APR34240" target="_blank" >RIV/00216305:26230/20:PR34240 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.fit.vut.cz/research/product/666/" target="_blank" >https://www.fit.vut.cz/research/product/666/</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Software pro adaptabilní rozpoznávání textu starých tisků

Popis výsledku v původním jazyce

Tento Python balíček zapouzdřuje celý řetězec OCR včetně, analýzy rozložení stránky, detekci řádků, rozpoznání textu a dekódování textu s využitím jazykového modelu. Software je zaměřený na zpracování nekvalitních dokumentů (například digitalizovaných z mikrofilmů). Balíček poskytuje nástroj spustitelný z příkazové řádky i třídu, kterou je možné integrovat do vlastního software.

Název v anglickém jazyce

Adaptive OCR for older printed documents

Popis výsledku anglicky

This Python package implements the entire OCR pipeline, including page layout analysis, text line detection, text recognition, and text decoding using a language model. The software is focused on processing of low-quality documents (for example documents digitized from microfilms). The package provides a command-line tool and a class that can be integrated into your own software.

Druh

R - Software

CEP obor

—

OECD FORD obor

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

Projekt

<a href="/cs/project/DG18P02OVV055" target="_blank" >DG18P02OVV055: Pokročilá extrakce a rozpoznávání obsahu tištěných a rukou psaných digitalizátů pro zvýšení jejich přístupnosti a využitelnosti</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

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

Interní identifikační kód produktu

PERO-OCR-PRINT

Technické parametry

Využití na základě volné a bezplatné open-source licence 

Ekonomické parametry

Jedná se jádro OCR software, který umožňuje zpracovat digitalizované obrázky a extrahovat obsažený text. Modul je možné integrovat do digitalizačních linek nebo dalšího software. Komerční uplatnění je možné v rámci poskytování doplňkových služeb, úprav sofwarare na míru a konzultací.

IČO vlastníka výsledku

—

Název vlastníka

Fakulta informačních technologií