Downloads provided by UsageCounts
"Anhand des Briefwechsels Heinrich Bullingers (1504-1575), das rund 10'000 Briefe umfasst, demonstrieren wir den Stand der Forschung in automatisierter Handschriftenerkennung. Es finden sich mehr als hundert unterschiedliche Schreiberhände in den Briefen mit sehr unterschiedlicher Verteilung. Das Korpus ist zweisprachig (Latein/Deutsch) und teilweise findet der Sprachwechsel innerhalb von Abschnitten oder gar Sätzen statt. Auf Grund dieser Vielfalt eignet sich der Briefwechsel optimal als Testumgebung für entsprechende Algorithmen und ist aufschlussreiche für Forschungsprojekte und Erinnerungsinstitutionen mit ähnlichen Problemstellungen. Im Paper werden drei Verfahren gegeneinander gestellt und abgewogen. Im folgenden werde drei Ansätze an dem Korpus getestet, die Aufschlüsse zum Stand und möglichen Entwicklungen im Bereich der Handschriftenerkennung versprechen. Erstens wird mit Transkribus eine etablierte Plattform genutzt, die zwei Engines (HTR+ und PyLaia) anbietet. Zweitens wird mit Hilfe von Data Augmentation versucht die Erkennung mit der state-of-the-art Engine HTRFlor zu verbessern und drittens werden neue Transformer-basierte Modelle (TrOCR) eingesetzt." Ein Beitrag zur 9. Tagung des Verbands "Digital Humanities im deutschsprachigen Raum" - DHd 2023 Open Humanities Open Culture.
style adaptation, 100 Philosophy, Data augmentation, Annotieren, Manuskript, 410 Linguistics, maschinelles Lernen, 800 Literature, rhetoric & criticism, 000 Computer science, knowledge & systems, correspondence, Daten, 11551 Zurich Center for Linguistics, handwritten text recognition, OCR, 10105 Institute of Computational Linguistics, Bewertung, Handschriftenerkennung, DHd2023, history, digital humanities, 900 History, Transkription
style adaptation, 100 Philosophy, Data augmentation, Annotieren, Manuskript, 410 Linguistics, maschinelles Lernen, 800 Literature, rhetoric & criticism, 000 Computer science, knowledge & systems, correspondence, Daten, 11551 Zurich Center for Linguistics, handwritten text recognition, OCR, 10105 Institute of Computational Linguistics, Bewertung, Handschriftenerkennung, DHd2023, history, digital humanities, 900 History, Transkription
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
| views | 21 | |
| downloads | 17 |

Views provided by UsageCounts
Downloads provided by UsageCounts