IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National...
Upcoming SlideShare
Loading in …5
×

OCR Adaptativo - Concert. Isabel Bordes Cabrera

825 views

Published on

Presentada en "Sesión de demostración de IMPACT en la BNE". Octubre 2011. Biblioteca Nacional España.

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
825
On SlideShare
0
From Embeds
0
Number of Embeds
4
Actions
Shares
0
Downloads
3
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

OCR Adaptativo - Concert. Isabel Bordes Cabrera

  1. 1. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.OCR Adaptativo – CONCERT SESIÓN DE DEMOSTRACIÓN IMPACT, Biblioteca Nacional de España, 5 de octubre de 2011
  2. 2. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. Esquema del proceso OCR CONVERSIÓN DE FICHEROS POST-PROCESO “BINARIZACIÓN” OCR + EVALUACIÓN CORRECCIONES GEOMÉTRICAS/ELIM. MÁRGENES 2
  3. 3. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Ante los múltiples retos de IMPACT tiene una visiónintegradora de varias soluciones:OCR ADAPTATIVO MEJORA en el reconocimiento del texto …¿cómo? • Adaptabilidad (sistema que aprende) • Integración de diversas herramientas IMPACT • Kit herramientas preprocesamiento imagen • Motor OCR Omni-font de ABBY FineReader • Módulo postcorrección • Recursos léxicos 3
  4. 4. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Algunos de los componentes de OCR adaptativo Motor de agrupación de caracteres (grupos con variaciones similares) Creación de un “super-símbolo” Filtración de segmentaciones no relevantes Corrección de curvatura de papel y la página Valoración de diferencias mínimas 4
  5. 5. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. “Crowd sourcing” 5
  6. 6. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Visión de IMPACT:Nuevo paradigma de la digitalizaciónParticipación del público esfuerzos de digitalización a gran escala.Herramientas avanzadas vayan más allá sistemas actuales (sistemaaprende = optimización del feedback recibido) 6
  7. 7. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Proyecto Gutenberg (1ª generación) 7
  8. 8. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Biblioteca Nacional de Australia (2ª)www.nla.gov.au/ndp/project_details/documents/ANDP_ManyHands.pdf 8
  9. 9. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Biblioteca Nacional de Finlandia http://www.digitalkoot.fi/en/splash 9
  10. 10. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.CORRECCIÓN EN COLABORACIÓN - ¿cómo funciona? Sistemas de corrección basados en web – No hay instalaciones en la parte cliente – Intituitivo para permitir uso público en general Participación mediante petición (opcional) – Sitio web de la biblioteca – En función de colecciones Voluntarios interesados en contribuir a la preservación del patrimonio cultural – Listas con los colaboradores destacados – Premios de reconocimiento de la biblioteca 10
  11. 11. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.SISTEMAS ACTUALES Simplemente se muestra imagen y resultados de OCR a corregir, Inconvenientes: – Proceso lento y poco productivo – Dos revisiones que garanticen la calidad Resultados: mucho trabajo manual contribución limitada y puntual 11
  12. 12. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.CONCERT (Cooperative Engine for Correction of Extracted Text) Plataforma de corrección en colaboración adaptativa – Aprovecha feedback para mejorar la productividad – Conexión con el OCR adaptativo Énfasis en herramientas de productividad – Reducir el tiempo para la verificación/corrección Patented smart-key approach – Motivar a los voluntarios Separación del proceso de introducción de datos en varias tareas complementarias – Aplicación optimizada para cada tarea – Tareas y subtareas – Posibilitar el procesamiento en paralelo 12
  13. 13. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Arquitectura del sistema Login seguro Carga de libros como archivos de imágenes o mediante URL Omni-OCR con selección de idioma Descarga de metadatos de OCR compilados antes y depués de la introducción 13
  14. 14. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Flujo de trabajo del sistema:Tres sesiones en las que el usuario sólo aquello que el OCR ha marcado como sospechoso: A nivel de carácter – para validación rápida de resultados OCR• A nivel de palabra – (información contextual para validar caracteres)• A nivel de página – (página completa para interpretar resultados) 14
  15. 15. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Sesión a nivel de carácter (character session) – Resultados con nivel de confianza elevado no precisan verificación – Sin embargo, algunos niveles elevados de confianza pueden corresponderse con errores de reconocimiento – Se extraen imágenes de caracteres individuales y se agrupan en función de los resultados de reconocimiento – Usuario aprueba, rechaza o señala como sospechosos caracteres ofrecidos por el sw 15
  16. 16. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Sesión a nivel de palabra (word session) Muestra palabras que contienen caracteres con un nivel de confianza bajo Muestra palabras que contienen caracteres señalados como sospechosos Muestra el reconocimiento de OCR original con sugerencias (diccionarios) Los usuarios validan/corrigen la ortografía 16
  17. 17. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Sesión a nivel de página (page session) Principalmente cuando un fallo en la segmentación ha llevado a un mal reconocimiento o ausencia de reconocimiento La segmentación puede verse de distintas formas: palabra, línea, párrafo, etiquetado… Puede automatizarse el paso de una palabra problemática a la siguiente Sólo aquí se ve la corrección del OCR 17
  18. 18. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Demostración del sistema http://fue.onb.ac.at/impact/gwsw/vid/EE1_showcase.html Simulación creada por Gerd Zechmeister (Biblioteca Nacional de Austria, ONB) 18
  19. 19. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. ESCENARIOS POSIBLES DE INCORPORACIÓN Como parte de la Una vez la colección está MIXTA digitalización disponible + - + - + - Refuerzo Variación Grandes grupos No adaptación CONCERT y acuerdos usuarios- WF motor OCR proveedores formación Corrección de re-OCR y Reindexación colecciones reindexaciónOCR mejorado no Modificación WF nuevas y ya (cada nueva necesario disponibles corrección) COMBINACIÓN COMBINACIÓN ALTOs con Corrección suficiente detalle Implicación No límite de tº limitada en el tº para sesiónusuarios/expertos carácter monitorizable OCR Integración retrospectivo ¿? plataforma web 19
  20. 20. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.PRUEBAS PILOTO Koninklijke Bibliotheek, British Library, Bavarian State Library (Marzo-Mayo 2011) Observaciones generales: – Muchas posibilidades – Sencillez, rapidez – Formación, usuarios expertos/comunidad global – Contexto social de apoyo entre colaboradores, My Concert Page; Progreso…BSB, Pilot (mayo 2011) 20
  21. 21. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands.Futuro CONCERT Lista mejores colaboradores Integración con sitios webs externos, con otros sistemas Smartphones Edición e-books. …. Y MUCHO MÁS 21
  22. 22. IMPACT is supported by the European Community under the FP7 ICT Work Programme. The project is coordinated by the National Library of the Netherlands. GRACIAS POR SU ATENCIÓN Isabel Bordes Cabrera Jefe de Servicio de Biblioteca Digital, BNE isabel.bordes@bne.es 22

×