racmeister.wordpress.com
OCR, Recoll og 3.000 familiedokumenter: Sådan byggede AI og jeg et søgbart arkiv
I foråret skrev jeg et indlæg om Digikam: Det bedste billedarkiv siden Picasa. Det handlede om at få orden på egen pc på mange års billeder. Men billeder er kun halvdelen af historien. Der ligger også breve, dokumenter, gamle pas, matrikelkort, udklip, scannede bøger og pdf’er i tusindvis. Og jeg kunne ikke søge ordentligt i dem, da der f.eks. er billeder gemt som pdf, pdf'er med tekst, som ikke er scannet/aktiveret og dermed søgbart, og oveni også fotos af tekst i breve og dokumenter.