Aplikacja ABBYY FineReader do rozpoznawania fraktur oraz pisma gotyckiego z okresu 1800 -1938. Przetworzenie 25 000 stron.

ABBYY FineReader XIX to specjalna wersja oprogramowania do optycznego rozpoznawania znaków FineReader, przeznaczona do rozpoznawania tekstów pisanych frakturą lub pismem gotyckim z okresu pomiędzy 1800 a 1938 rokiem. Jego zadaniem jest przetwarzanie zeskanowanych obrazów starych dokumentów, książek i pism na tekst elektroniczny, umożliwiający cyfrową archiwizację i publikację. Program OCR obsługuje wiele krojów pisma napisanych frakturą.

ABBYY FineReader XIX to pierwsza aplikacja obsługująca wiele krojów pisma do rozpoznawania znaków pisanych frakturą, która umożliwia skanowanie i przetwarzanie starych dokumentów, przy minimum "uczenia" i pracy ze słownikiem. Efekt taki udało się osiągnąć dzięki połączeniu niezwykle inteligentnej technologii i specjalistycznych badań językowych.

Systemy OCR analizują obraz tekstu i tworzą hipotezę odnośnie tego, jakie widnieją na nim litery lub słowa. Hipotezy są następnie analizowane w kontekście i weryfikowane przy użyciu zaawansowanych słowników OCR, powstałych na podstawie modeli języka. Modele języka to komputerowe bazy danych opisujące słownictwo danego języka. Ponieważ współczesne systemy OCR nie dysponują modelami języka dla starszych czcionek i starszych odmian ortografii opracowano słowniki OCR przeznaczone dla tego konkretnego okresu czasu. Powstały więc specjalne modele języka dla pięciu języków europejskich.

Modele języka dla czcionki Fraktur utworzono przy współudziale współpracującej z ABBYY firmy ATAPY Software. Na etapie ich tworzenia przeanalizowano 10 różnych słowników i ponad 105 książek opublikowanych pomiędzy 1808 a 1930 rokiem. Zasobami językowymi zajęli się lingwiści, rozpoznając słowa, które zanikły w toku ewolucji języków, a także identyfikując poprawne powiązania wzorców służące do synchronizowania modeli języka z gramatyką poprawną dla konkretnego okresu czasu. Wymagało to ręcznego porównania ponad 500 tys. słów z istniejącymi słownikami programu FineReader.

Weryfikacja wzorców gramatycznych i wariantów ewolucyjnych słów spowodowała, że do współczesnych modeli języków dodano 159 brakujących historycznych wzorów gramatycznych. Modele języków poddano następnie kompilacji i przetestowano je na kontrolnej grupie dokumentów, zawierających dawne teksty.

Aby umożliwić rozpoznawanie czcionek frakturowych, zespół programistyczny firmy ABBYY stworzył specjalne klasyfikatory (alfabety), zdolne do rozpoznawania symboli czcionki Fraktur. W ramach tych prac utworzone zostały nowy wzorzec alfabetu - baza obrazów, zawierająca ok. 2,5 tys. próbek dla każdego znaku - oraz testowa baza przykładów, licząca 31 tys. stron tekstów z różnych źródeł. Mechanizm rozpoznawania znaków został na ich podstawie "dostrojony" tak, aby radził sobie z subtelnościami pisma frakturowego, takimi jak ligatury. Nowy alfabet został następnie dodany do systemu i interfejsu FineReader.

Współpraca z najważniejszymi instytucjami zajmującymi się archiwizacją tekstów
Program ABBYY FineReader XIX powstał również z myślą o potrzebach uniwersytetów i centrów badawczych. Prace nad produktem prowadzone były przy współudziale międzynarodowej organizacji METAe Project. METAe to konsorcjum bibliotek i firm zajmujących się digitalizacją z całej Europy. Współpracują one przy tworzeniu oprogramowania METAe Engine, zaprojektowanego specjalnie w celu uporządkowania obiegu zadań związanych z archiwizacja i digitalizacją materiałów historycznych, takich jak książki, magazyny, czasopisma i gazety. ABBYY FineReader XIX stanowić będzie podstawowy mechanizm, pozwalający zarchiwizować niektóre z najcenniejszych dla Europy dokumentów historycznych. W projekcie METAe uczestniczą m.in.: Uniwersytet w Innsbrucku (Austria), Uniwersytet Florencki (Włochy), Bibliotéque Nationale de France, Norweska Biblioteka Narodowa, fundacja Freiedricha-Eberta (Niemcy), CCS Compact Computer Systeme (Niemcy) oraz biblioteka uniwersytetu Cornella (USA).

Wymagania systemowe:
Komputer z procesorem Intel® Pentium®/Celeron®/Xeon™, AMD K6/Athlon™/ Duron™ lub kompatybilnym o min. częstotliwości 200 MHz
Microsoft Windows 2003, Windows XP, Windows 2000, Windows NT 4.0 (z dodatkiem serwisowym SP6 lub późniejszym), Windows Me/98 (praca z interfejsem zlokalizowanym wymaga obsługi odpowiedniego języka)
64 MB pamięci RAM dla systemów Windows 2003/XP/2000/NT4.0; 32 MB pamięci RAM dla systemów Windows Me/98. Dodatkowe 16 MB pamięci RAM dla każdego dodatkowego procesora w systemach wieloprocesorowych
230 MB miejsca na dysku dla instalacji standardowej, 70 MB miejsca na dysku na potrzeby programu
Przeglądarka Microsoft® Internet Explorer 4.0 lub nowsza (pakiet zawiera Microsoft® Internet Explorer 5.01)
Skaner, kamera cyfrowa lub modem w 100% zgodne ze standardem TWAIN
Karta graficzna i monitor (min. rozdzielczość 800x600)
Klawiatura, mysz lub inne urządzenie wejściowe

Obsługiwane formaty obrazu:
BMP: czarno-białe, w skali szarości, kolorowe
PCX, DCX: czarno-białe, w skali szarości, kolorowe
JPEG: w skali szarości, kolorowe
JPEG 2000/Part1: w skali szarości, kolorowe
PNG: obrazy czarno-białe, w skali szarości, kolorowe
TIFF: obrazy czarno-białe, w skali szarości, kolorowe, wielostronicowe. Metody kompresji: niespakowane, CCITT Group 3, CCITT Group 3 FAX(2D), CCITT Group 4, PackBits, JPEG, ZIP
PDF

Formaty zapisu dokumentów:
Microsoft® Word XP, 2000, 97, 95
RTF
TXT
Tekst Unicode
Microsoft® Excel XP, 2000, 97, 95
HTML 3.2/4.0
HTML 3.2/4.0 Unicode
DBF
CSV
PDF 3.0, 4.0