Titel: |
Neural text line extraction in historical documents: a two-stage clustering approach |
|
Beteiligte Personen: |
|
Beteiligte Körperschaften: |
Universität Rostock[Grad-verleihende Institution] |
|
38329-6 |
Universität Rostock, Mathematisch-Naturwissenschaftliche Fakultät[Grad-verleihende Institution] |
|
2147083-2 |
|
|
Zusammenfassung: |
Accessibility of the valuable cultural heritage which is hidden in countless scanned
historical documents is the motivation for the presented dissertation. The developed
(fully automatic) text line extraction methodology combines state-of-the-art machine
learning techniques and modern image processing methods. It demonstrates its quality
by outperforming several other approaches on a couple of benchmarking datasets. The
method is already being used by a wide audience of researchers from different disciplines
and thus contributes its (small) part to the aforementioned goal.
[Englisch] |
Das Erschließen des unermesslichen Wissens, welches in unzähligen gescannten historischen
Dokumenten verborgen liegt, bildet die Motivation für die vorgelegte Dissertation.
Durch das Verknüpfen moderner Verfahren des maschinellen Lernens und der klassischen
Bildverarbeitung wird in dieser Arbeit ein vollautomatisches Verfahren zur Extraktion
von Textzeilen aus historischen Dokumenten entwickelt. Die Qualität wird auf verschiedensten
Datensätzen im Vergleich zu anderen Ansätzen nachgewiesen. Das Verfahren wird bereits
durch eine Vielzahl von Forschern verschiedenster Disziplinen genutzt.
[Deutsch] |
|
Dokumenttyp: |
|
Einrichtung: |
Mathematisch-Naturwissenschaftliche Fakultät |
|
Sprache: |
|
Sachgruppe der DNB: |
|
|
Veröffentlichung / Entstehung: |
Rostock
Rostock: Universität Rostock
|
2018
|
|
Verantwortlichkeitsangabe: |
vorgelegt von Tobias Grüning |
|
|
Identifikatoren: |
|
|
Zugang: |
frei zugänglich (Open Access)
|
|
Lizenz/Rechtehinweis: |
alle Rechte vorbehalten Das Werk darf ausschließlich nach den vom deutschen Urheberrechtsgesetz festgelegten Bedingungen genutzt werden. |
|
|
RosDok-ID: |
rosdok_disshab_0000002077 |
erstellt / geändert am: |
27.03.2019 / 08.08.2023
|
Metadaten-Lizenz: |
Die Metadaten zu diesem Dokument sind gemeinfrei (CC0 1.0 Universal Public Domain Dedication). |