«FORSETE» – Forprosjekt for utvikling av modell for gjenkjenning av moderne handskrift på norsk

Forprosjekt for utvikling av modell for gjenkjenning av moderne handskrift på norsk Arkivsektoren har behov for å handsame og forstå store mengder data som inneheld handskrifta på norsk. Det er i dag fleire pågåande prosjekt som utviklar maskinassistert handskriftgjenkjenning, desse fokusera på trening av modellar for å forstå «eldre» handskrift på norsk. Dette forprosjektet har som føremål å trene ein modell på «moderne» handskrift for effektiv gjenkjenning og verifisering av innhald i tekst og layout-analyse. Sikkerheit vil være ein prioritet for å ivareta proveniens, autentisitet og rettstryggleik. Ynskja resultat er eit system som innfrir forventningane frå rettsamfunnet.

Om prosjektet

På ein effektiv og sikker måte som ivareteke proveniens, autentisitet og rettstryggleik som innfrir forventningane frå rettssamfunnet. Denne utfordringa ynskjer Interkommunalt arkiv for Møre og Romsdal i samarbeid med Politiet ved Møre og Romsdal politidistrikt å ta tak i. Basert på vår svært gode erfaring frå tidlegare FoU-prosjekt, ynskjer vi å inkludere problemstillinga som ei bacheloroppgåve for IT-fag studentar ved Fakultet for informasjonsteknologi og elektronikk ved NTNU i Gjøvik. Eit eige dedikert treningssett av data med «moderne» handskrift i «ESPÅS-SAKA» er utgangspunktet for utviklinga av systemet. Espås-saka er en av Norges mest omtalte og omfattande uoppklara drapssaker. Trude Espås var ei kvinne på 20 år som vart voldteken og drepen i Geiranger i Møre og Romsdal 8. august 1996. Saka har fleire gangar blitt gjenoppteken, utan å bringe nokre konkrete resultat. Saka er under operativ etterforsking og har ingen foreldingsfrist. Datasettet som skal nyttast til trening av modellen inneheld dei digitiserte/mediekonvertert 2500 tipsa i saka. Normal arbeidsmetodikk på tida saka hende var at store delar av dokumentasjonen vart utført med handskrift, med penn og papir. Datasettet inneheld ei avgrensa mengde handskrifttypar og egnar seg difor svært godt til trening av modellen. 1. 2. 3.

Rapporter