mirror of
				https://github.com/qurator-spk/ocrd-galley.git
				synced 2025-10-31 11:14:12 +01:00 
			
		
		
		
	🧹 Use OCR-D's -P, remove now redundant validation and remove now unnecessary functions
This commit is contained in:
		
							parent
							
								
									efd955c04f
								
							
						
					
					
						commit
						1a308a5522
					
				
					 1 changed files with 8 additions and 85 deletions
				
			
		|  | @ -53,107 +53,30 @@ do_validate() { | ||||||
|   fi |   fi | ||||||
| } | } | ||||||
| 
 | 
 | ||||||
| do_binarization() { |  | ||||||
|   # Binarize the images |  | ||||||
| 
 |  | ||||||
|   ocrd_olena_binarize_parameters='{ |  | ||||||
|     "impl": "sauvola-ms-split" |  | ||||||
|   }' |  | ||||||
|   ocrd-olena-binarize --overwrite -I $INPUT_FILE_GRP -O OCR-D-IMG-BINPAGE,OCR-D-IMG-BIN -p "$ocrd_olena_binarize_parameters" |  | ||||||
| } |  | ||||||
| 
 |  | ||||||
| do_linesegmentation_tesserocr() { |  | ||||||
|   # Segment the lines in the binarized images |  | ||||||
| 
 |  | ||||||
|   ocrd-tesserocr-segment-region --overwrite -I OCR-D-IMG-BINPAGE -O OCR-D-SEG-REGION |  | ||||||
|   ocrd-tesserocr-segment-line --overwrite -I OCR-D-SEG-REGION -O OCR-D-SEG-LINE |  | ||||||
| } |  | ||||||
| 
 |  | ||||||
| do_linesegmentation_sbb() { |  | ||||||
|   # Segment the lines in the images |  | ||||||
| 
 |  | ||||||
|   ocrd_sbb_textline_detector_parameters='{ |  | ||||||
|     "model": "/var/lib/textline_detection" |  | ||||||
|   }' |  | ||||||
|   ocrd-sbb-textline-detector --overwrite -I OCR-D-IMG-BINPAGE -O OCR-D-SEG-LINE -p "$ocrd_sbb_textline_detector_parameters" |  | ||||||
| } |  | ||||||
| 
 |  | ||||||
| do_ocr() { |  | ||||||
|   # Perform OCR on the segmented lines |  | ||||||
| 
 |  | ||||||
|   ocrd_tesserocr_recognize_parameters='{ |  | ||||||
|     "model": "GT4HistOCR_2000000", |  | ||||||
|     "textequiv_level": "'$TEXTEQUIV_LEVEL'" |  | ||||||
|   }' |  | ||||||
|   ocrd-tesserocr-recognize --overwrite -I OCR-D-SEG-LINE -O OCR-D-OCR-TESS -p "$ocrd_tesserocr_recognize_parameters" |  | ||||||
| } |  | ||||||
| 
 |  | ||||||
| do_ocr_calamari() { |  | ||||||
|   # Perform OCR on the segmented lines |  | ||||||
| 
 |  | ||||||
|   ocrd_calamari_recognize_parameters='{ |  | ||||||
|     "checkpoint": "/var/lib/calamari-models/GT4HistOCR/2019-07-22T15:49+0200/*.ckpt.json", |  | ||||||
|     "textequiv_level": "'$TEXTEQUIV_LEVEL'" |  | ||||||
|   }' |  | ||||||
|   ocrd-calamari-recognize --overwrite -I OCR-D-SEG-LINE -O OCR-D-OCR-CALAMARI -p "$ocrd_calamari_recognize_parameters" |  | ||||||
| } |  | ||||||
| 
 |  | ||||||
| page_validate_xml() { |  | ||||||
|   # Validate all PAGE XML against the XML schema |  | ||||||
| 
 |  | ||||||
|   filegrp=$1 |  | ||||||
| 
 |  | ||||||
|   local file |  | ||||||
|   for file in `ocrd workspace find -G $filegrp`; do |  | ||||||
|     XSD_DIR=`dirname $0`/xsd |  | ||||||
|     if [ ! -d "$XSD_DIR" ]; then |  | ||||||
|       XSD_DIR=/usr/share/xml |  | ||||||
|     fi |  | ||||||
|     xmllint --noout --schema $XSD_DIR/pagecontent.2019-07-15.xsd $file |  | ||||||
|   done |  | ||||||
| } |  | ||||||
| 
 |  | ||||||
| page_upgrade_to_2019() { |  | ||||||
|   # Upgrade PAGE files to 2019-07-15 |  | ||||||
| 
 |  | ||||||
|   filegrp=$1 |  | ||||||
| 
 |  | ||||||
|   local file |  | ||||||
|   for file in `ocrd workspace find -G $filegrp`; do |  | ||||||
|     sed -i 's#pagecontent/[0-9-]*#pagecontent/2019-07-15#g' $file |  | ||||||
|   done |  | ||||||
| } |  | ||||||
| 
 |  | ||||||
| 
 | 
 | ||||||
| main() { | main() { | ||||||
|   do_validate |   do_validate | ||||||
| 
 | 
 | ||||||
|   do_binarization | 
 | ||||||
|  |   ocrd-olena-binarize --overwrite -I $INPUT_FILE_GRP -O OCR-D-IMG-BINPAGE,OCR-D-IMG-BIN -P impl "sauvola-ms-split" | ||||||
|   do_validate |   do_validate | ||||||
| 
 | 
 | ||||||
| 
 | 
 | ||||||
|   do_linesegmentation_sbb |   #ocrd-tesserocr-segment-region --overwrite -I OCR-D-IMG-BINPAGE -O OCR-D-SEG-REGION | ||||||
|   page_upgrade_to_2019             OCR-D-SEG-LINE |   #ocrd-tesserocr-segment-line --overwrite -I OCR-D-SEG-REGION -O OCR-D-SEG-LINE | ||||||
|   page_validate_xml                OCR-D-SEG-REGION |   ocrd-sbb-textline-detector --overwrite -I OCR-D-IMG-BINPAGE -O OCR-D-SEG-LINE -P model "/var/lib/textline_detection" | ||||||
|   page_validate_xml                OCR-D-SEG-LINE |  | ||||||
|   do_validate |   do_validate | ||||||
| 
 | 
 | ||||||
| 
 | 
 | ||||||
|   do_ocr_calamari |   ocrd-calamari-recognize --overwrite -I OCR-D-SEG-LINE -O OCR-D-OCR-CALAMARI -P checkpoint "/var/lib/calamari-models/GT4HistOCR/2019-07-22T15:49+0200/*.ckpt.json" -P textequiv_level "$TEXTEQUIV_LEVEL" | ||||||
| 
 |   ocrd-tesserocr-recognize --overwrite -I OCR-D-SEG-LINE -O OCR-D-OCR-TESS -P model "GT4HistOCR_2000000" -P textequiv_level "$TEXTEQUIV_LEVEL" | ||||||
| 
 |   do_validate | ||||||
|   do_ocr |  | ||||||
| 
 | 
 | ||||||
| 
 | 
 | ||||||
|   for ocr_filegrp in OCR-D-OCR-CALAMARI OCR-D-OCR-TESS; do |   for ocr_filegrp in OCR-D-OCR-CALAMARI OCR-D-OCR-TESS; do | ||||||
| 
 |  | ||||||
|     page_validate_xml           $ocr_filegrp |  | ||||||
|     do_validate |  | ||||||
| 
 |  | ||||||
|     if ocrd workspace list-group | grep -q OCR-D-GT-PAGE; then |     if ocrd workspace list-group | grep -q OCR-D-GT-PAGE; then | ||||||
|       ocrd-dinglehopper --overwrite -I OCR-D-GT-PAGE,$ocr_filegrp -O $ocr_filegrp-EVAL |       ocrd-dinglehopper --overwrite -I OCR-D-GT-PAGE,$ocr_filegrp -O $ocr_filegrp-EVAL | ||||||
|     fi |     fi | ||||||
| 
 |  | ||||||
|   done |   done | ||||||
| } | } | ||||||
| 
 | 
 | ||||||
|  |  | ||||||
		Loading…
	
	Add table
		Add a link
		
	
		Reference in a new issue