Je vindt je IndexScans versienummer in het menu “Help” - ”Over IndexScans”.
v1.6.0 (release candidate 9)
IndexScans
Nieuwe functies
- Nieuwe AI-engine (docTR) voor moeilijke namen: naast Tesseract kan IndexScans nu een tweede, op AI gebaseerde engine inschakelen die speciaal de naam van de overledene herkent waar de gewone OCR faalt (sierlijke/handgeschreven of zeer grote lettertypes). Je vindt de twee opties in de instellingen onder docTR (AI-engine), met uitleg per optie:
- Naamherstel: probeert alleen de ontbrekende naam van de overledene alsnog te lezen.
- Lage kwaliteit: doet bij zwakke prentjes een volledige her-OCR met docTR en vult enkel lege velden aan (overschrijft nooit een goed gelezen waarde). Deze optie is trager en vereist een echte OCR-doorloop.
- docTR-tekst wordt bewaard naast de Tesseract-tekst: de tekst die docTR leest wordt opgeslagen in een apart bestand (
.doctr.txt) naast de gewone OCR-tekst, zodat je beide later naast elkaar kunt bekijken en hij bij een nieuwe indexering niet onnodig opnieuw moet worden aangemaakt.
- Weduwe/weduwnaar automatisch afgeleid: als bij een partner ook staat dat die al overleden is (bv. “wijlen”, “zaliger”, of een overlijdenssymbool met datum zoals “(† 2001)”), wordt de relatie automatisch “weduwe”/“weduwnaar”. Aan/uit te zetten in config.ini met
infer-widow-from-deceased-partner (standaard aan).
Verbeteringen: namen
- Beter herkennen van de naam van de overledene in lastige gevallen: achternaam-eerst vermeldingen (LINSEN JOSEPHINA → Josephina Linsen), namen met tussenvoegsel op een aparte regel (Magdalena / Van der Wielen), namen met streepje (Maria-Louise Bekaert, Maria-Emma De Graeve) en namen met accenten (René-Gustaaf De Groote).
- Bijnaam tussen aanhalingstekens (Paulina ‘Paulinke’ Vanderauwermeulen → Paulina Vanderauwermeulen) en een ingesloten kloosternaam/wereldse naam worden nu correct verwerkt; echte apostrofnamen (d’Hondt, ‘t Kindt) blijven behouden.
- Een aanspreking (bv. “De Heer”) of relatiewoord dat aan de naam bleef plakken wordt verwijderd, en een plaatsnaam wordt niet langer per ongeluk als achternaam opgenomen.
- Wanneer de naam echt niet leesbaar is, wordt het prentje als “naam ontbreekt” gemeld in plaats van een verkeerde naam (auteur van een gedicht, koptekst, bedrijfsnaam, …) op te slaan.
Verbeteringen: datums
- OCR-rommel en onmogelijke datums (toekomstige jaren, onleesbare reeksen) worden uit het resultaatbestand gehouden.
- Datums met een fout gelezen, te klein jaartal (bv. “4 april 934”) worden bewaard en genormaliseerd getoond, zodat je ze ziet en kan corrigeren (CheckScans kleurt ze rood).
- Automatische correctie van jaartallen met 3 cijfers wanneer dat ondubbelzinnig kan (bv. “934” → “1934” op basis van de andere datum).
Verbeteringen: OCR en beeld
- Bij meerdere OCR-pogingen wordt nu het beste resultaat bewaard (voor de opgeslagen tekst, de statistieken en de CSV), niet zomaar de laatste poging.
- Opgelost: de “rechtzet”-functie (deskew) kantelde rechtopstaande portretprentjes 90°.
Sneller indexeren