DiEm HTR

Datasættet DiEm HTR er et ground truth-datasæt for historisk dansk håndskrift fra det 17. og 18. århundrede, og det er udarbejdet som en del af projektet Digitalisering af Enesteministerialbøger hos Rigsarkivet, støttet af Augustinus Fonden.

Projektet Digitalisering af Enesteministerialbøger har til formål at transskribere og gøre alle danske kirkebøger fra før reformen i 1813 offentligt tilgængelige ved hjælp af Handwritten Text Recognition-platformen (HTR) Transkribus. Til dette formål er der blevet oprettet ground truth-træningsdata til HTR-modellerne, som nu ligger offentligt tilgængelige på Hugging Face.

DiEm HTR-datasættet består af 975 transskriberede billeder og indeholder i alt 67.410 tekstlinjer og 383.339 ord.