Re: [InetBib] Digitalisierung

[Stefan Weil via InetBib <inetbib@xxxxxxxxxx>]

Am 23.03.2018 um 08:54 schrieb André Davids via InetBib:
> Liebe Kolleginnen und Kollegen,
> Seit einigen Jahren digitalisieren wir historische Statistiken, wobei wir 
> Schwierigkeiten erfahren bei der Texterkennung (OCR) von Tabellen. Bei 
> älteren Dokumenten werden Ziffern nicht immer richtig erkannt, sodass wir 
> alles im Nachhinein in einem langwierigen Prozess abgleichen müssen.
> Bisher werden die Tabellen eingescannt, mit der Software FineReader 
> bearbeitet und die Tabellen anschließend in Excel umgewandelt. Diese 
> Excel-Tabellen vergleichen wir dann manuell mit dem entsprechenden 
> Digitalisat.
> Hat irgendjemand Erfahrungen mit dem Digitalisiern von Tabellen? Wie können 
> wir  dieses Problem zeitsparender lösen?
>
> Mit freundlichen Grüßen,
>
> André
>
>
> André Davids
> Senior Bibliotheekmedewerker
> KU Leuven Bibliotheken Economie en Bedrijfswetenschappen
> Naamsestraat 69 - bus 3504
> 3000 Leuven
> andre.davids@xxxxxxxxxxx
> tel. + 32 16 32 67 08
> bib.kuleuven.be/ebib
> [Logo_e-mailhandtekening]


Die Universitätsbibliothek Mannheim digitalisiert gerade historische
Gemeindeverzeichnisse, also vermutlich eine ähnliche Aufgabenstellung:
https://digi.bib.uni-mannheim.de/gemeindeverzeichnisse/. Dabei wurde
bisher ebenfalls ABBYY FineReader verwendet, aber es soll auch Tesseract
4 zum Einsatz kommen.

Haben Sie Beispiele (Bild und ABBYY-Ergebnis), wo die Erkennung
problematisch war? Ich könnte eines mal mit Tesseract 4 testen.

Freundliche Grüße
Stefan Weil