Text Recognition in Historic Birth, Death and Marriage Records

Bc. Radoslav Palkovič

Bachelor's thesis

Abstract:

Historické matriky poskytujú cenný pohľad do života našich predkov. Avšak, strojové získavanie znalostí z týchto kníh stále zostáva obrovskou výzvou. Táto práca analyzuje prístupy k rozpoznávaniu textu na týchto historických záznamoch s cieľom zlepšiť výkon existujúcich nástrojov. V tejto práci sa kladie dôraz na riešenia daného problému metódami hlbokého učenia. Z príslušných registrov je tiež zhromaždený dataset jednoriadkových obrázkov s textom, ktorý slúži na vyhodnotenie moderných nástrojov a na trénovanie nového modelu. Na záver je natrénovaný model vyhodnotený a výsledky sú analyzované.

Abstract:

Historical registries provide valuable insight into the lives of our ancestors. However, machine retrieval of knowledge from these books remains a formidable challenge. This thesis analyzes approaches to text recognition on these historical records, with the aim of improving the capabilities of existing tools. Throughout this work, emphasis is placed on deep learning-based solutions to the problem at hand. Furthermore, a dataset of single-line text images is collected from the relevant registries, which serves the two purposes of evaluating the performance of state-of-the-art tools and training a new model. Lastly, the trained model is evaluated, and the resulting findings are closely examined.

Keywords

text recognition, optical character recognition, deep learning, historical handwriting, Keras-OCR

Language used: English

Date on which the thesis was submitted / produced: 18. 5. 2023

Thesis defence

• Date of defence: 26. 6. 2023
• Supervisor: RNDr. Michal Batko, Ph.D.
• Reader: doc. RNDr. Jan Sedmidubský, Ph.D.

Masaryk University

Faculty of Informatics

Bachelor programme / field:
Informatics / Informatics