Digitale bibliotheken sneller gevuld met OCRopus

Het project wordt geleid door professor Thomas Breuel van het Duitse Onderzoekscentrum voor Artificiële Intelligentie (DFKI). Hij kondigde de sponsoring door Google maandag aan in een bericht op de Google Code Blog. OCRopus ontvangt verder nog gelden van diverse Duitse overheidsinstanties en andere publieke en private organisaties, meldt CNet.

OCRopus moet een hoogstaand, gebruiksvriendelijk systeem worden, dat handgeschreven documenten kan omzetten in computertekst en helpt bij de opzet van elektronische bibliotheken. De sponsoring door Google is niet verrassend. Het bedrijf heeft in het kader van zijn Book Search-project al flink geïnvesteerd in het digitaal doorzoekbaar maken van de inhoud van boeken.

Voor de ORCopus-software wordt voortgebouwd op een aantal bronnen. Een belangrijke basis is een tien jaar oud systeem voor handschriftherkenning, ingezet door het Amerikaanse bureau voor volkstelling. Het OCR-programma Tesseract, jaren geleden ontwikkeld door Hewlett Packard Labs, speelt eveneens een grote rol. Vorig jaar gaf Google de broncode voor het programma vrij.

Het is de bedoeling dat OCRopus veel talen, scripts en platforms gaat ondersteunen. “Dat is een enorme taak, en geen bedrijf of onderzoeksgroep alleen kan dit volbrengen”, aldus Breuel. Hij hoopt op bijdragen vanuit de openbrongemeenschap, bijvoorbeeld op het gebied van gebruikersinterfaces en codebug-reparaties. Een bèta van OCRopus is voorzien voor het eerste kwartaal van 2008.