Pokročilá extrakce a rozpoznávání obsahu tištěných a rukou psaných digitalizátů pro zvýšení jejich přístupnosti a využitelnosti

Cílem projektu je vytvoření nástrojů a technologií pro zpřístupnění obsahu
digitalizovaných historických dokumentů, které budou využívat aktuální vývoj
v oblasti počítačového vidění, strojového učení a jazykového modelování a které
v symbióze se součanými postupy a systémy vyhledávání, prezentace a zveřejňování
digitalizátů umožní snažší vyhledávání a využití obsahu digitalizátů v případech,
kde to dnes není technicky možné. V rámci projektu budou vytvořeny nástroje pro
dosažení co nejvyšší úroveně automatizace v celém řetězci digitalizace a pro
rošíření automatické analýzy obsahu i na dokumenty, které nyní není možné
automaticky zpracovat. Nástroje, které v projektu vzniknou, umožní automatickou
kontrolu a zlepšování kvality digitalizátů, automatický přepis tištěných textů
s kvalitou nedostatečnou pro aktuálně dostupné nástroje, polo-automatický přepis
ručně psaných dokumentů a automatickou extrakci semantické informace
z polo-strukturovaných dokumentů (např. evidenční štíky a matriky). Tyto nástroje
a postupy budou ověřeny zpracováním vybraných sad digitalizátů také v rámci
poloprovozu ve spolupráci s MZK.