De Transkribus à eScriptorium

Ce tutoriel vous indique la marche à suivre pour exporter vos données de Transkribus et les importer dans eScriptorium afin d’entraîner un modèle et de comparer ses performances avec celles du logiciel initial.

Ce tutoriel se décompose en trois étapes :

  1. exporter les données de Transkribus
  2. importer les données dans eScriptorium
  3. recalculer les masques des lignes

Exporter les données de Transkribus

Le format XML PAGE est recommandé pour transposer les données (segmentation et transcription) de Transkribus vers eScriptorium.

Pour paramétrer l’export depuis Transkribus : cocher “Transkribus Document” puis les options “Export Page” et “Export Image”. Veillez à ce que le motif de nommage des fichiers soit réglé sur la valeur par défaut (“${filename}”).

Paramétrer l'export dans Transkribus en choissisant PAGE et Image
Paramétrage de l’export depuis Transkribus

Contrairement aux indications formulées en 2020 lors de la présentation de la pipeline Aspyre, le format XML ALTO 2 de Transkribus ne contient pas l’intégralité des données utilisées par le logiciel. Cette perte d’informations a un impact crucial sur la qualité des segments générées ensuite dans eScriptorium.

Importer les données dans eScriptorium

Dans eScritproium,  créez le document destiné à accueillir les données. Dézippez l’archive envoyée par Transkribus de manière à en extraire les images, puis chargez-les sur la plateforme. Une fois le chargement terminé, utilisez la fonction “Import/Transcription (XML)” pour importer les fichiers XML. Vous pouvez charger l’archive envoyée par Transkribus sans la modifier ou bien en retirer les images si le chargement est trop long.

Il est important de contrôler la qualité de l’import des transcriptions en inspectant chaque page. Une intervention manuelle dans le fichier XML source est parfois nécessaire. Voir les problèmes connus.

Recalculer les masques des lignes

Avant de pouvoir lancer un entraînement de modèle de transcription, il est absolument nécessaire d’adapter à Kraken les polygones associés aux ligne de base. Pour cela, sélectionner l’ensemble des images contenues dans le document et utilisez la fonction “Segment/Only Line Masks”. Veillez à cocher l’option “override”.

Utiliser l'option "Only lines Masks" dans le champ "Segmentation steps" et cocher l'option "override" dans le menu contextuel de la fonction "Segment"
Paramétrage du calcul automatique des masques des lignes dans eScriptorium

Il est possible qu’eScriptorium rencontre des problème lors du traitement de certaines images. Pour le moment, ces erreurs doivent être corrigées à la main. Voir les problèmes connus.

Entraînement

A l’issue de ces trois étapes, vous pouvez entraîner dans eScriptorium un modèle Kraken qu’il sera ensuite possible de comparer aux performances de votre modèle Transkribus initial.

Pour bien composer vos sets d’entraînement et d’évaluation, consulter le volet “Details” et les sections “Show Train Set” et “Show Validation Set”. Ce volet est accessible depuis l’onglet “Tools/Text Recognition/Models” de Transkribus.

Aperçu du volet détaillant les informations d'un modèle d'HTR dans Transkribus
Aperçu du volet détaillant les informations d’un modèle d’HTR dans Transkribus

Problèmes connus

  • Impossible d’importer une transcription dont la segmentation est basée sur l’utilisation de tableaux dans Transkribus.
  • Le segmentation avec eScriptorium échoue sur certaines images car les couples baseline/masque  sont mal générés lors de l’import.