OCR van Kranten, naar PDF Searchable Image

[RA7]

Hallo luitjes,
ik ben bezig op mn werk met een nieuwe opdracht, ik moet uitzoeken hoe ik 300.000 oude kranten kan omzetten naar text en dan naar een PDF waarin de OCR text doorzoekbaar is en alleen het plaatje van de gescande krant wordt weergegeven, een zogenaamde PDF Searchable Image.

Nou ik zit ik met de volgende probleempjes. Ik gebruik Finereader maar deze geeft nog steeds veel foutjes in de OCR text. Is het mogelijk om die foutmarge nog verder omlaag te krijgen? Van bv. nu 40% naar 10%? Ik maak al wel trainingsfiles aan maar dat schijnt niet veel te helpen.

Daarnaast moet ik die OCR+image omzetten naar zon PDF, finereader kan alleen standaard PDF's uitpoepen..:-(. Iemand een idee hoe ik zo'n PDF Searchable Image makkelijker kan maken?

[Spider.007]

Als jij betaald wordt om dit uit te zoeken gaan wij het natuurlijk niet voor je uitzoeken Heb je al eens gezocht wat Google voor tips heeft?

[F_J_K]

Inderdaad zou je - gezien de aantallen - aan iets anders dan Finrereader kunnen denken. Namen heb ik niet uit mn hoofd maar zo zijn er gespecialiseerde applicaties en scanners (en zou je kunnen checken of je het niet beter kunt uitbesteden).

[ilovetechno]

Kijk eens naar Kofax. gebruiken wij binnen het bedrijf ook voor scannen / ocr

[RA7]

JA Kofax ken ik, maar daar zijn geen demo's van. Ik had namelijk al gekeken .

En daarnaast hoeven jullie ook niet alles uit te zoeken..