12.1. Testando o OCR-D

Fig. 24 Logo do OCR-D

O OCR-D foi desenvolvido com base no Ubuntu 18.04 e atualmente funciona sem problemas no Ubuntu 22.04 (atual versão LTS). É possível instalá-lo em outras distribuições Linux, mas pode ser necessário realizar algumas adaptações nos caminhos etc. Nesta pesquisa, em coerência com a perspectiva de ciência aberta, utilizei o sistema Pop!_OS 22.04, uma distribuição baseada no Ubuntu 22.04.

Para usuários de Windows 10 em diante, há três possibilidades de utilizar o OCR-D:

1. Executar as ferramentas do OCR-D em uma máquina virtual Linux[1]

2. Executar as ferramentas do OCR-D em um container Docker

3. Executar as ferramentas do OCR-D a partir do Windows Subsystem for Linux (WSL)

Usuário de macOS podem utilizar o OCR-D, mas é preciso instalar software adicional, o que pode ser feito com o Homebrew. Veja a documentação do OCR-D para mais informações.

Instalação

O passo a passo da instalação a seguir foi baseado na documentação oficial do OCR-D: https://ocr-d.de/en/setup e utilizada em um ambiente Linux (Pop!_OS 22.04).

Vamos instalar o ocrd_all, que inclui todas as ferramentas.

The ocrd_all project is an effort by the OCR-D community, now maintained by the OCR-D coordination team. It streamlines the native installation of OCR-D modules with a versatile Makefile approach. Besides allowing native installation of the full OCR-D stack (or any subset), it is also the base for the ocrd/all Docker images available from DockerHub that contain the full stack (or certain subsets) of OCR-D modules ready for deployment. Technically, ocrd_all is a Git repository that keeps all the necessary software as Git submodules at specific revisions. This way, the software tools are known to be at a stable version and guaranteed to be interoperable with one another. (https://ocr-d.de/en/setup#ocrd_all)

Python 3.7

A versão atual do OCR-D (v2.52.0) roda em Python 3.7. O OCR-D ainda não está totalmente compatível com versões mais recentes de Python.

Para instalar o python3.7 no Ubuntu 22.04 (e derivados), siga os passos abaixo:

Primeiro adicione o repositório do deadsnakes:

sudo add-apt-repository ppa:deadsnakes/ppa
sudo apt update

Em seguida, instale o python3.7:

sudo apt install python3.7

Lembre que caso haja mais de uma versão do Python instalada, é preciso especificar a versão que será utilizada. Para isso, sempre que for executar um comando, utilize o prefixo python3.7[2]. Por exemplo, para instalar o gerenciados de pacotes pip e atualizá-lo no python3.7, utilize:

python3.7 -m pip install --upgrade pip

Requisitos

Para instalar o OCR-D, é preciso instalar alguns pacotes e bibliotecas. Para isso, execute os comandos abaixo:

sudo apt install make git parallel wget

Para um explicação e detalhamento dos requisitos, veja a documentação do ocrd_all

Clone o repositório

git clone https://github.com/OCR-D/ocrd_all
cd ocrd_all # entrar no diretório recém clonado em sua máquina

Instale o OCR-D

sudo make deps-ubuntu

Ative o ambiente virtual

Um ambiente virtual permite que você instale pacotes e bibliotecas necessária para um determinado projeto, sem que ele interfira e altere seu sistema operacional. Para ativar o ambiente virtual do OCR-D, execute o comando abaixo a partir do diretório ocrd_all:

source venv/bin/activate

Criação do workspace

Após a instalação e ativação do ambiente virtual, precisamos criar um workspace. Com o comando abaixo, informamos ao OCR-D para criar um workspace a partir do diretório ./ (diretório atual e onde estão localizadas as imagens). Com isso, ele criará e configurará um arquivo mets.xml onde serão informadas todas os dados e etapas de processamento do workflow.

Execute o comando abaixo:

ocrd-import --nonnum-ids --ignore --render 300 ./

É importante que as imagens a serem trabalhadas estejam no diretório atual. Caso contrário, informe o caminho para o diretório onde as imagens estão localizadas aio invés de ./.

Teste 01: O Paiz

Páginas originais

As páginas selecionadas apresentam características comuns a muitos jornais digitalizados utilizados em pesquisa históricas. São páginas longas, com múltiplas colunas e variadas fontes tipográficas. Além disso apresentam distintas qualidades de digitalização, com distorções, ruídos e manchas.

É importante destacar que a página dois apresenta problemas maiores, com muitos ruídos e qualidade menor do que a página 1, o que terá impacto nos resultados alcançados.

1. O Paiz, 05 de maio de 1887, p.2.

Fig. 25 O Paiz, 05 de maio de 1887, p.2

2. O Paiz, 24 de março de 1900, p.2.

Fig. 26 O Paiz, 24 de março de 1900, p.2

Workflow testado

O OCR-D reúne uma ampla variedade de ferramentas que podem ser incluídas em um workflow. Para uma lista completa e suas definições, acesse o site do projeto: https://ocr-d.de/en/workflows.

Os comandos executados seguem o padrão:

1. ferramenta a ser utilizada, por exemplo, ocrd-olena-binarize ou ocrd-tesserocr-deskew

2. -I: caminho para o diretório de entrada, por exemplo, OCR-D-IMG (que é o diretório criado inicialmente pelo OCR-D)

3. -O: caminho para o diretório de saída, por exemplo, OCR-D-IMG-BIN (que é o diretório onde serão armazenadas as imagens binarizadas)

4. -P: parâmetros da ferramenta. Eles variam de acordo com a ferramenta utilizada. Para saber mais, consulte a documentação da ferramenta.

Nas etapas que se seguem, percebam que a cada novo comando, um novo diretório com os resultados é criado e os dados são inseridos no arquivo mets.xml.

Nossa primeira etapa, ainda como pre-processamento, vamos utilizar ferramentas de melhoria da imagem.

Conversão para tif

ocrd-im6convert -I OCR-D-IMG -O OCR-D-ENH -P output-format image/tiff

Preprocessamento com ocrd

ocrd-preprocess-image -I OCR-D-ENH -O OCR-D-PREP -P output_feature_added binarized -P command "scribo-cli sauvola-ms-split @INFILE @OUTFILE --enable-negate-output"

Normalização da imagem

ocrd-skimage-normalize -I OCR-D-PREP -O OCR-D-NORM

Podemos comparar recortes da imagem original com a imagem processada (convertida para tif e normalizada):

Imagem 01

Fig. 27 Original - O Paiz, 05 de maio de 1887, p.2

Fig. 28 Processada - O Paiz, 05 de maio de 1887, p.2

Imagem 02

Fig. 29 Original - O Paiz, 24 de março de 1900, p.2

Fig. 30 Processada - O Paiz, 24 de março de 1900, p.2

Podemos notar que a diferença ainda é pequena.

Binarização (Nível de página)

Agora, vamos binarizar as imagens e compará-las com as imagens originais.:

ocrd-olena-binarize -I OCR-D-NORM -O OCR-D-BIN

Imagem 01

Fig. 31 Original - O Paiz, 05 de maio de 1887, p.2

Fig. 32 Processada - O Paiz, 05 de maio de 1887, p.2

Imagem 02

Fig. 33 Original - O Paiz, 24 de março de 1900, p.2

Fig. 34 Processada - O Paiz, 24 de março de 1900, p.2

Redução de ruído

ocrd-skimage-denoise -I OCR-D-BIN -O OCR-D-DENOISE

Imagem 01

Fig. 35 Original - O Paiz, 05 de maio de 1887, p.2

Fig. 36 Processada - O Paiz, 05 de maio de 1887, p.2

Imagem 02

Fig. 37 Original - O Paiz, 24 de março de 1900, p.2

Fig. 38 Processada - O Paiz, 24 de março de 1900, p.2

Deskew

ocrd-tesserocr-deskew -I OCR-D-DENOISE -O OCR-D-DESKEW-PAGE -P operation_level page

Imagem 01

Fig. 39 Original - O Paiz, 05 de maio de 1887, p.2

Fig. 40 Processada - O Paiz, 05 de maio de 1887, p.2

Imagem 02

Fig. 41 Original - O Paiz, 24 de março de 1900, p.2

Fig. 42 Processada - O Paiz, 24 de março de 1900, p.2

Segmentação

As etapas a seguir buscam segmentar a página em regiões e linhas. Para isso, vamos utilizar o ocrd-tesserocr-segment e o ocrd-tesserocr-segment-region.

ocrd-tesserocr-segment -I OCR-D-DESKEW-PAGE -O OCR-D-SEG -P find_tables false -P shrink_polygons true

ocrd-tesserocr-segment-region -I OCR-D-DESKEW-PAGE -O OCR-D-SEG-REG -P find_tables false -P shrink_polygons true

Em seguida binarizamos e recortamos as regiões.

ocrd-skimage-binarize -I OCR-D-SEG-REG -O OCR-D-BIN-REG -P level-of-operation region

ocrd-cis-ocropy-clip -I OCR-D-BIN-REG -O OCR-D-CLIP-REG -P level-of-operation region

E por fim, segmentamos as linhas.

ocrd-tesserocr-segment-line -I OCR-D-CLIP-REG -O OCR-D-SEG-LINE

ocrd-segment-project -I OCR-D-SEG-LINE -O OCR-D-RESEG -P level-of-operation line

Resultados da segmentação

Os resultados variaram muito entre as duas páginas analisadas. A primeira página, de 1887, apresentou uma boa segmentação de regiões e linhas. Já a segunda página, de 1900, apresentou uma segmentação de regiões e linhas muito ruim. Isso implicará em resultados diferentes para cada página no processo de OCR realizado a seguir.

Fig. 43 Segmentação de regiões - O Paiz, 05 de maio de 1887, p.2

Fig. 44 Segmentação de regiões - O Paiz, 24 de março de 1900, p.2

OCR

Vamos testar alguns motores de OCR disponíveis no OCR-D com os modelos pré-existente. Para isso, vamos utilizar o comando ocrd-<nome-do-motor>-recognize e passar como parâmetro os modelos. Para saber mais sobre os modelos, consulte a documentação do OCR-D.

Calamari + GT4HistOCR

ocrd-calamari-recognize -I OCR-D-SEG-LINE -O OCR-D-OCR-CAL -P checkpoint_dir qurator-gt4histocr-1.0

Vamos transformar o arquivo xml para texto para facilitar a visualização:

ocrd-fileformat-transform -I OCR-D-OCR-CAL -O OCR-D-TXT-CAL -P from-to "page text"

Ocropy + Fraktur

ocrd-cis-ocropy-recognize -I OCR-D-SEG-LINE -O OCR-D-OCR-OCRO -P model fraktur-jze.pyrnn.gz

Vamos transformar o arquivo xml para texto para facilitar a visualização:

ocrd-fileformat-transform -I OCR-D-OCR-OCRO -O OCR-D-TXT-OCRO -P from-to "page text"

Tesseract

Para utilzar o tessarct como motor de reconhecimento no OCR-D, é preciso informar onde o programa deve procurar os modelos. Para isso, utilize o parâmetro TESSDATA_PREFIX e informe o caminho para o diretório onde os modelos estão localizados. No caso do OCR-D, os modelos estão localizados no diretório venv/share/tessdata/.

TESSDATA_PREFIX=$HOME/src/github/OCR-D/ocrd_all/venv/share/tessdata/

Modelo GT4HistOCR

ocrd-tesserocr-recognize -I OCR-D-SEG-LINE -O OCR-D-OCR-TES -P model GT4HistOCR_50000000.997_191951

Modelo por

Buscando testar os reultados com o modelo para língua portuguesa, realizei a instalação do modelo no tesseract e em seguida copiei o ficheiro .traineddata para o diretório onde os modelos do OCR-D estão localizados.

sudo apt install tesseract-ocr-por
cp /usr/share/tesseract-ocr/4.00/tessdata/por.traineddata $HOME/src/github/OCR-D/ocrd_all/venv/share/tessdata/

No comando acima, instalei o modelo em português com o comando sudo apt install tesseract-ocr-por e em seguida copiei o ficheiro .traineddata do local onde ele foi instalado (/usr/share/tesseract-ocr/4.00/tessdata/por.traineddata, lembrnado que esse local pode variar dependendo do seus sistema operacional) e para para o diretório onde os modelos do OCR-D estão localizados ($HOME/src/github/OCR-D/ocrd_all/venv/share/tessdata/).

Agora podemos executar o comando para o OCR com o modelo em português:

ocrd-tesserocr-recognize -I OCR-D-SEG-LINE -O OCR-D-OCR-TES-por -P model por

Vamos transformar os arquivos xml para texto:

ocrd-fileformat-transform -I OCR-D-OCR-TES -O OCR-D-TXT-TES -P from-to "page text"
ocrd-fileformat-transform -I OCR-D-OCR-TES-por -O OCR-D-TXT-TES-por -P from-to "page text"

Comparação

Nas tabelas abaixo, busquei apresentar lado a lado os resultados obtidos em cada uma das páginas com os diferentes motores de OCR.

Página 1

Região	Original	Calamari gt4histocr	Ocropy franktur	Tesseract GT4HistOCR	Tesseract por
0001		Por deereto do 8 de Janeiro ultimo toneedeu-ss a patente de n. 4lö a Augusto Cambraia, portu ez, indus- XX XXX X X X.X XXX rocasso de su invenço, destiundo nbrienr pannos finos, morins e brins do nlgodo ulvojados.	Fgx rfgcgxgf(0 Ig F Ig „Zggggggjg jgſfjpgeg 00V0l0U P6 ſ160l170 l0 v. 4iiö uſ, .uzsusko ümrnin, p0rku er, inctgr- ſ FF gFF’„g I ram0zz0 C0 z1u, sm,ggggſg, ſggsſzßgg Zg gg udr0ir Püu009 iuds. worſnz y hrſgg tz gIzggfIg gI,gsgſgg,	Por deereto dsa8S de danoiro ultimo roncodau-gs R patente ds p. 4bon Augusto Lambraia, portu ez. indus— eibegeathee acke plee racasvo do sua invengſo. dostiũndo a abrięar pannos finos, morins e brins do agodão ulvojacdos.	Por decreto de 8 de Janeiro ultimo conccdeu-se a patente de n. dhj q Augusto Cambrais, portu ez, indus- triol, residente nesta ci ade, para 0 rocesso de sua invenção, destinado q ubricar pannos finos, morins ce brins de alcodão alvejados,
0002		Em data ds 23 de Abril ultimo coneedeu-se garantin provisoria no Dr. uiIerme oté Teixeirn, brazileiro, modieo, morador nestu eidade. re resentndo elo seu proeurador o Club ndustrinl, undado estaelecido tumbem nesta idude, para transporte do lixo dus habitagöes publicas o pnrtieulares, denominado — earroga inodora.	Sa ügfn, üg PI Zg h-l FF,jl-Z gggg- 9° 6 IIIIB09ki prorisorizna Mr lEui- lh0ra0 üoeé I’eiroiru, hxgzſlgſra, m0- Gi00emoruaruertg oſtnl-.rg rmzentnlo Cl0 üeu prouurncclor o Iuh nVuztrjnl. yCncfg g ggßgfhgjgggſfg jßzgjzz zgeggeg, gIüuu, gnru trunoporte üo liro lnz hm- 9Iydßor gudli.ns q pnrtieuluros, leuo- 9gjIüeg - (gzx0gg, jgggtSgzzg,	Em data ds 23 de Abril ullimo con—gedeu-se garantia provisoria no Dr. Guiĩ-lermo dõęè Peixsirn,. Prazileiro, mo-dico, morador nosin eidade.re rosentudoelo seu prorurndor o Glub ndustrial.undado s estaboelucido tambem nostaeiduda, parg transports do lixo dus ha-bitaeos publieas pnrticulares, deno-minado — carroęa inodora.	Em data de 23 de Abril ultimo con-cedeu-se garantia provisoria no Dr. Gui-lherme José Teixeira, brazileiro, mo:dico, morador nesta cidade re resentidoelo seu procurador o Club ndustrial,undado 6 estabelecido tambem nestacidade, para transporte do lixo dus ha-bitações publicas 6 particulares, deno-minado — carroça inodora.
0003		Contederam- e dous maxssdd licenga, com o veneimento d lei, a Frnneiseo Eduardo da Costa 0 Sd, enenrregudo da arads de Todos os dantos dn estra a de forro D. Pedro JJ, para tratar do su saude ondo lhe convier.	0ü0kIIm:60 C0l6 k006s l ll0énzn, 00k01 0 1e210ſ00uk0 Iü. I0s, zg, ſ-‘xgſgggzjggg FC5“0 C 0hIi0 L kü, enenrreztuclo uuw urnlln üe Ioioz og Zgzzsgg Z„ zz. f 6 lI9 , “Iüür0 1I, gmrz trntgr eſz gjgz, ggggcg ggſg IIg ccgſ,-	Vonee deram- xe dous moxes ds licenęn, com o veneimento da lei, a Eraneisco Ecduardo, da. Cogta o Sũ, enoarrogudo da urada da Podos os Bantos da s- tru a ds forro D. Pedro II, para tratar do sun gncds onde Ine convier.	Concederam-se dous mezes de licença, com o vencimento da lei, a Francisco Edurrdo da Costa e Si, encarregado da arada de Todos 08 Santos da es- tra a de forro D. Pedro II, para tratar do gua saude onde lhe convier.

Nesses testes realizados com modelos pré-treinados, o melhor resultados foi obtido com o modelo por (português) do Tesseract. Entetanto, é importante destacar que o OCR-D teve dificuldades em reconhecer o layout complexo do jornal em múltiplas colunas.

Página 2

Os resultados da página 2 foram muito comprometidos impossibilitando mesmo a comparação entre blocos e texto.

Exemplo de blocos:

Isso se deve à qualidade da imagem original e da dificuldade de segmentação das regiões de texto, como podemos ver no tópico anterior, Resultados da segmentação.

Abaixo temos uma tabela apresentando os resultados de cada método de OCR para a página 2. Podemos perceber que mesmo o Tesseract-por, modelo com melhor resultado na página 1, não conseguiu reconhecer textos compreensíveis.

Calamari gt4histocr	Ocropy Frank	Tesseract gt4histocr	Tesseract por
boulevardt ouitvardi xtri \thert d fi lron 0 e aul \ss ehnna un bougo. oo e de \Aas pequen; lolport/o.\ \es Forsnuieſꝰ n lgse \⸗ \F i e i \i errciaerX:zr \huiſei ng ſdlũi ũ i eelei \r \l \F na M \bi uh u b enipn : lc. ic.cri \kit \ſe e ſ ſ uu uu o l \k qeu ul i ui s \il \ſc ci och.inn g i \e \ſẽẽſsi llu \h e rrl ſrt \ \ũut \hmr iꝗisif ies uiitcuti \ \ſſ \eiti uuapiseſ \ſitethlailitti iur i \i \ \root \ii \ſiuuieahsi \ſl	„hhgzſz C0ßHsktlt ül \ \„, ggegg,…, —- – - ——– - — —— —-… … sezulnia GfG° \ \80 n08 l1ék006lV -r916lßllll \Ig0W .k00skül - W k0 llbid““ß \I0öékel0s lit0k 1. , - \Zmatg e nols \z jſtz, gzIry Gmal nfella… \ Ggſ,I„9II0 ſz0. -muuuuuuuhe	boulovard Da bouięurd eIIor \rapoerda dir caron erie ue aqu \a edma vu dbouꝶ. Gonin1e de \mn peguene loae. orlne0. \ \Fed·s. rafeiet, lagee \Iee \Ieẽ Irinee t \eeeeude \Mu .iſ II \ \ \n erE I \een \Fne \ieen .4E ilais. \Bne ehet \ \ſaüca doiemnne er ini \ \Ie ſ ſMd .E \I Ie \ \icn \Ite ub.I \ \ \Fis t.d \eel⸗ \ee e \ \PE 2 — . en \Me i.	\boulevards » 0º boutevards catar \à taberna da lis Caron em o ue equi \so chama ur botigo. Comp ago de \RO pequeus Joj porta:só, \ \pop”s, forsteuição n miisido: e 8 \coros,“ enterento pr pedido all, nó Me: \de altos“ ruliptitoãos predio» de cinoé \o ai \Ayumado pon DO APRE \ \ \Fase Pro or araras CR 0d

Teste 02: Boletim de Eugenia

Após o teste com as duas páginas do jornal O Paiz, vamos aplicar o mesmo workflow e variados modelos de OCR em um conjunto de 48 páginas do jornal Boletim de Eugenia publicano no Rio de Janeiro.

Páginas originais

As páginas deste dataset apresentam características distintas das páginas anteriores. Elas são menores, com menos colunas e fontes tipográficas maiores e mais homogêneas. Além disso, apresentam uma qualidade de digitalização com menos ruídos e manchas.

Vejamos três exemplos das páginas originais que serão utilizadas para o teste:

Fig. 45 Boletim de Eugenia, janeiro de 1929, p.1.

Fig. 46 Boletim de Eugenia, fevereiro de 1929, p.1.

Fig. 47 Boletim de Eugenia, abril de 1929, p.1

Workflow testado

Após iniciarmos o ambiente virtual e criarmos o workspace, vamos executar o workflow. Dessa vez vamos utilizar o ocr-process. Este comando permite a execução de um workflow completo de uma única vez. Vamos aplicar todas as etapas de pre-processamento e segmentação, como visto no teste anterior com o jornal O Paiz. Mas as etapas de OCR serão executadas separadamente para cada modelo.

ocrd process \
    'im6convert -I OCR-D-IMG -O OCR-D-ENH -P output-format image/tiff' \
    'preprocess-image -I OCR-D-ENH -O OCR-D-PREP -P output_feature_added binarized -P command "scribo-cli sauvola-ms-split @INFILE @OUTFILE --enable-negate-output"' \
    'skimage-normalize -I OCR-D-PREP -O OCR-D-NORM' \
    'olena-binarize -I OCR-D-NORM -O OCR-D-BIN' \
    'skimage-denoise -I OCR-D-BIN -O OCR-D-DENOISE' \
    'tesserocr-deskew -I OCR-D-DENOISE -O OCR-D-DESKEW-PAGE -P operation_level page' \
    'tesserocr-segment -I OCR-D-DESKEW-PAGE -O OCR-D-SEG -P find_tables false -P shrink_polygons true' \
    'tesserocr-segment-region -I OCR-D-DESKEW-PAGE -O OCR-D-SEG-REG -P find_tables false -P shrink_polygons true' \
    'skimage-binarize -I OCR-D-SEG-REG -O OCR-D-BIN-REG -P level-of-operation region' \
    'cis-ocropy-clip -I OCR-D-BIN-REG -O OCR-D-CLIP-REG -P level-of-operation region' \
    'tesserocr-segment-line -I OCR-D-CLIP-REG -O OCR-D-SEG-LINE' \
    'segment-project -I OCR-D-SEG-LINE -O OCR-D-RESEG -P level-of-operation line'

Resultados da segmentação

Nas imagens abaixo, podemos avaliar como o OCR-D segmentou cada uma das páginas e como organizou-as. Essa organização é importante, pois ela serve de guia para o OCR.

A vizualiação da segmentação foi feita através da ferramenta PAGEviewer do PRImA da Universidade de Salford.

Fig. 48 Segmentação de regiões de primeira página da edição 1

Fig. 49 Segmentação de regiões de primeira página da edição 2

Fig. 50 Segmentação de regiões da primeira página da edição 4

OCR

Calamari + GT4HistOCR

ocrd-calamari-recognize -I OCR-D-SEG-LINE -O OCR-D-OCR-CAL -P checkpoint_dir qurator-gt4histocr-1.0

ocrd-fileformat-transform -I OCR-D-OCR-CAL -O OCR-D-TXT-CAL -P from-to "page text"

Tesseract

TESSDATA_PREFIX=$HOME/src/github/OCR-D/ocrd_all/venv/share/tessdata/

Modelo GT4HistOCR_50000000.997_191951

ocrd-tesserocr-recognize -I OCR-D-SEG-LINE -O OCR-D-OCR-TES-GT4 -P model GT4HistOCR_50000000.997_191951

ocrd-fileformat-transform -I OCR-D-OCR-TES-GT4 -O OCR-D-TXT-TES-GT4 -P from-to "page text"

Modelo por

ocrd-tesserocr-recognize -I OCR-D-SEG-LINE -O OCR-D-OCR-TES-por -P model por

ocrd-fileformat-transform -I OCR-D-OCR-TES-por -O OCR-D-TXT-TES-por -P from-to "page text"

Comparação

Vamos comparar algumas regiões segmentadas e reconhecidas com os motores Calamari e Tesseract.

Página 1

Região	Original	Calamari gt4histocr	Tesseract GT4HistOCR	Tesseract por
0012		Tẽn os leitore o primeiro nu— mero cdh Boletim Eugenia. Ap- parece modesta nte:pequeno formato. poucas p nas. Promette pouco. Deseja, as, auxliar a campanha en prol a Eugcnia en— lre os elementos c tos entre os elementos que. em ra de mediunn cultura. desejum. ta hem, orientar. e 0 mqUclt s0 asllmpto Apresentara, para a ender a todos, pequenos artiſos cientrfieos, 30 lado de outros. de ples vulgari- aão. Tudo resum amente, tudo em lmguae’n Jimps e clara Depois da publictão dos An— naes de Euenia. e So Paulo. riã appprecee o aiz qualquer outra publicacão es cializada so bre esta sciencia. O oletim sera pois, a primeira dest genero, com caracter periodico. iado â liga de Hyiene Mental. cluira. cer lamente, no seu pſ0 mma, tudo quanto se referir a te ramo de intima connexão coi propositos da sciencia de Calto O Bcletin de genia’’ pre cede nesta Capital a ndacãc de um lnstituto rasileir e Eugenia. que tera logar. opp’tunamentc. oh os allspicts do tor deste e dos Professores E ani l.opes. . Porto- Carrero. Mu o de Cam pos e leitor Carrilho. a é tempo de po irmos uma gremiacae nacional e eugenis- tes. Aie bem pouco mpo seria difficil tal emprehen ento Os ugenistas brasileiros am em tão ſequeno numero, quenão chega- vam, talvez, a meia dria. De al— um tempo a esta pa os prose- lytos se multiplicaram omo por encanto Effeite, telv de algum milagre! Este oletim recebei, com s	Tém os leitore o primeico nu— mero do Boletim Fugenia. Ap- parece modesta nte: pequenò formato. poucas p inas. Promette pouco. Nese)a. aß as… àAlxi iar 2 campanha eni prol a Fusenia en— tre os elementos c tos e entre os elementos que. em ra de mediuni cultura. desejm. ta hem, orientar. se sobhre mœinen so assumpto Apresentara. para aender a todos. pequenos artigos cientificos. 20 lado de outros. de ples vulgari- zacaão. Tuda resum amente, tucdo em linguagein mps e clara Depois da publieao dos An: nues de Euxenia. e São Paulo. ſã⸗ apparecen no zaiz qualquer tutra publicacäo es cializada so: bre esta scieneia. Q oletim serä, pois, a primeira dest genero. com caracter periodico. jado à liga de Hygiene Mental. cluira. cer. lamente,. no seu pr0 mma,. tudo quanto se referir a te ramo de intima connexão comn propositos da scieneia de Galto O Boletinn de cenia pre cede nesta Capital a ndacãc de um Instituto Brasileir e Fugenia. que terà lopar. opptunamiente. dob os auspicios de tor deste e dos Professores E ani l.opes. J. Porto-Carrero. Mu o de Cam pos e Heitor Carrilho. Jaà è tempo de pos irmos uma aggremiacãc nacional e vugenis— tes. Aiè bem pouco mpo Serta gifficil tal emprenen ento Os Lugenistas brasileiros cam em tão Pequeno numero. queaão chega-— val, talve2. a meia daia. De al- um tempo a esta Pa os prose⸗ lytos se multiplicaram omò por cnanto, Effeito. talv de algum milagre! Este Boletim recebej. com es:	Tém os leitore o primeiro nu- mero do Boletim Eugenia. Ap- parece modesta nte: pequeno formato, poucas p inas. Promette pouco. Deseja, ap as, atxtiar a campanha em prol a Eugenia en- re os elementos C tos u entre os elementos que. em ra de mediuni cultura, desejam, ta bem, crentar- se sobre o mMemen so assumpto Apresentara. para aender a todos, pequenos artigos científicos, ao lado de outros, de — ples vulgari- «ação. Tudo resum amente, tudo em linguages cmpse clara Depois da publiccão dos An: naes de Eugenia, e São Paulo, não apparecei No vaz qualquer nutra publicação cs cializada so- bre esta sciencia. O oletim será, pois, 4 primeira dest genero, com caracter periodico. ado á Liga de Hygiene Mental, cluirá, cer lamente, no seu pro mma, tudo quanto se referir a te ramo dx intima connexão Com propositos da sciencia de Galto O “Boletim de genia” pre cede nesta Capital a ndacãc di um Instituto Brasileir q Etvenia. que terá logar. opp-tunamente, sob os auspícios do tor deste e dos Professores E ani Lopes, J. Porto-Carrero, Mu 9 de Cam. pos e Heitor Carrilho. Já é tempo de pos irmos uma ngeremiação nacional e cugenis- tas. Até bem pouco mpo seria Cifficil tal emprehen ento Os Lugenistas brasileiros Gm em tão pequeno numero, quênão chega- vam, talvez, a meia dzia. De al- sum tempo a esta pa os prose- lytos se multiplicaram omo por encanto. Eficito, talv de algum milagre! Este Boletim recebe, com cs.

Página 2

Região	Original	Calamari gt4histocr	Tesseract GT4HistOCR	Tesseract por
0007		lulilil hraileiro le lugenin	ſnztitlltg hrasileirg de hugenin	Instituto brasileiro de Eugenia
0008		igeiro esboco — Fins do lnstituto O que é necessario faer	Uigeiro esboco — Fins do Instituto - Oque è necessario fazer	Ligeiro esboço — Fins do Instituto - O que é necessario fazer
0009		HL um urande corrente de intel— lectuaes inlens t onnesss, por julgul-os atsoutamente negativos. Coin po:tas lias de dſhlereta, e1s coii bre elle e mttzesUtai ks de nossas limens de lettemi art evidencia — atos igre e HIumberto de ampos. priieiro, e be ut em tom joceiso, diss numa ncro- landia- puklacaa no iario d ũo Paulo- de 1 de janeiro: s1ou conm publico iue os t t gssss i or i pirolrerami, nſu irã ,et tn Ichr nemhht nem n1a, Acho ue toc otnens de talento teu- nidos em aseurblen fzem enipre bra de mm lzin de eretines A obr util e grande tem de ser indivi- dual. Neniuma Aademia de puetas geuiues eri pan de produzir A Odysse oiſg lnſerno ou us I,uzias nem se cncebem leis de Neton ou 11 e epler leseohern por vm Conresso e aahis. eunes, em tom ério, declar Anutilſit- tle destes jtnlamentos n ze . r- cisa por em releve,. Installi onress, as vidades fica satis- feitas. ſ rr se disperst, cimo lrade ds fſhhdd pel vento, na rn— Cons eIICCli tW iin etin esterihrztl—- N ari hemos de juzs th con- lrirnr o il es. Se n sahen ranees nhra s. sheem o esſimul en emuln emulnoo aſocaliznco de les, ordilik- des. rigas. ulo reunka vle eturnire pior nhgtinras hnrns de di us ̃0. Apreciame mais, porm, as coggi- taAes isoladns, os eslorqos lesen volilos no seio cle nquenos uthos oiio gu neeſs e olitartos uum tdeal Commum. n vez de congrsc pensa1s, or is em ſoriar um centr lrasileira d eitgenia que, ccm aaracter perma- nente, mantenh lor sagrad dos tiuess nlUnianqs entkiusiastas exjs- tentes entre no. jdẽn vein nd amalurecid ilesle alguns an- is, un tI n ronuuzssmos a cor porifical-t. antes de uma indispen-	Ha uma Urande correute de intel— lectuaes intensu i congrex»dos. Por julgul-s asotutamente negativos. Com puas lias de dilierensa. eis comOsbre elles Se munitestatum urs de nossos Homens de letrixeu muir eidennia — Badtos Tigrer IIumberto ae Campos. primeito, xex bem que em tom joccdο. disse numa -Mero- landia- putiicada no -Diario dòe Suio lanlode 17 de janeiro: „Esiou conAa puhblic ue das Got gressos ijue por ahi firolieram, nũ vira a muncde nem bem nem mia. *cho que doze homens de grande talento teu— nidos em asSenihléa luzem senipre obra de umn duzia de cretin! A obrui utihe grande tem de ser indiri— dual. Nenhuma Academia de puetas geniues serin npa de produzir 2 (dyssea Oo inierno ou s LuzasS nem se eonecubvem a8leis de Newton u IsSde Fepler descoherlns per vm Conxresso de sahiosx. ) sexunda, em tom sério. declara A inutilida— de destes njuntamæntos ni Se a jere- cisa pör em reiev… InstaIIna o Congressn, as viidades fican satis— ſeitas. Ra ſeira se disnersus,. cmo krande deslIhid neta vento, na in— conscieucin dn su esteriſichitdee. Ne parlinimi-S de jiiazs tũs con— trarios aos CangressoE. OS quaes. se nũi sahenn Lrandes ideus, Erandes abrud. Sahem o estimulc. a emulacao. a ſocaliazaso de ideis. cordinirin-— des. … e hrigas. Fudo reunrda val]e semnre ſor umus« hrras de dis— Cussao. Apreciama mais, poréem, as catri-— tagũes isoladas, os esloręos desen volridos no seio de pequenos nuclvos omogęneis e soſidarros num rdeal COmmum. Unvez de congressa pensamas, por ise. em formar um centra brasileira d5 engenia que, cain caracter perma- nente. mantenhi fgo sagrada dos ſoues galtonianos entnusiistos exis- tentes eatre na. Esta idéa vein senda amauurecida desde aIguns an- nos. Sem e nos prinuazesSemmos a corporifical-. antes de uma indispen—	Ha uma grande corrente de intel- lectuaes intensa aos congressos, por julgul-os absolutamente negativos. Com pouvos dias de dilferença, eis como sobre clles «e munitestaram aus de nossos homens de letras cin muor evidencia— Bastos Tigre cv Humberto de Campos. O primeiro, se bem que em tom joceso, disse numa «Macro- landia» publicada no «Diario de São Paulo» de 17 de janeiro : «Estou com o publico que dos Cor gressos que por ali prolmeram, nie virá «o mundo nem bem nem mai. Acho gue doze bomens de grando talento reu- nidos em assemblea fazem sempre obra de uma duzia de cretinos ! A obra util e grande tem de ser indivi- dual. Nenhuma Academia de poetas gentues seria capaz de produzir a Odyssea omo Inferno ow os Luziadas: nem se coticebem as leis de Nuwton ou as de Kepler descobertas por um Congresso de sabios2. O segundo, em tom sério, declara * «A inutilida- de destes ajuntamentos não se a pre visa pôr em relevo… Instalado o Congresso, as vaidades ficam satis- leitas. Poa feira se dispersa, como tronde destoalhadoa pelo vento, na n- consciencia da sus esterilidade. Nato partUlhamos de Juzos tãe con- trarios vos Congressos, dos quaes. se não sabem grandes ideas, grandes Abram. sahem o estimulo. a emulação, a focalização de ideas, cordialnia- des… « brigas. Tudo reunido vale sempre por aluimas horas de dis. CUSSÃO., Apreciamos mais, porem, as copi- tações isoladas, os esforços desen volridos no seio de penuenos nucleos homogveneos e solidarios uvum ideal commmuim. Envez de congresso pensamos, por isen, em formar um centro brasileiro d» eugenia que, com caracter perma- nente, mantenha o fogo sagrado dos poucos galtonianos entitusiantas exis- tentes entre nós, Iosta tdéa vem sendo amadurecida desde alguns an. nos, sem que nos propuzessemos a corporifical-a, antes de uma indispen-

Página 3

Região	Original	Calamari gt4histocr	Tesseract GT4HistOCR	Tesseract por
0001		IlMnMfitſiſiini	ſſſſff.	OST DEU ICN
0003		E A0 em propngandn d0 t ittif— t ateri . piiii lnix Ptn! in ele ancitn utnail	1211IIee om propnganda dgo FiiI Iαιαοi05 06 E7α ιi ſixA Hc5t! Z — Kin ie laneitrn ictnril	- REM TRARENO) em propaganda do Frntituto Ebreasiteiro de E quente Eniao Postal 20 — Rio de Janciro mennil
0004		A l. ENN A tem pur Jim coope— ra 0 al miezto pretesstvo dlos homens phsica, ſihſcu t mréral— iente sudios; pur z Itiuur al— latina do contingente ds iracos, do— entus e degenerrlos, — ceucorrendo, lesSe modo, aar insttuicãu de Uii ciecltle ma1s S, ma1s mral— Zali, u utima, Uutlz ſlitiidacſe eqtlihrila, tposl le n lnedos lortes bellos, eletuentos ile pa e trahnllio. — ‘. Aeſil. E(iNlCs is te tud i ſeuc1es under ocial control llat mn iiimprove or impair the racial qualltis oſ ſutute geuernttuns, etler pihsrcall or men- tally ne lugenies ociet- London.	A ElFNia tem pt liu coope— rar ſiiraO auxęmento praoteSS1voO dos homens phxsica, ſisxehicue moral- mente sadios; puri diminuięo pau- latina do contingente dus iracos, do— entoed e degeneritos,. — cuncorrendo. desse modo. Pari canxtituieũo de uma Socicilitle mai8 sS, muis morali- zudi. em suuima. uui ſiiimuniditie equtlihrudu, roiipost de nairditos tortes e bellos, elementos de paz e de tralilli0. — . Aeti. EuciN1e8is te studx o ageuetes under social control hat max improve or impair the racia] qualities oſ futuce Feueratiauns. eitler ſhysicallx or men- tallv -The Fugenies Bocietx -l-ondon.	A BEUGENTA tem por dim coope- far pira O aumento progressivo dos homens physica, psychica e moral mente sadios, para a dimumção pau- latina do contingente dos irácos, do- ecntes e degenerados, — concorreudo, desse modo, para a constituição de uma Soriedude mais sã, mais moral cuda, um sutmima, uma Aumantdade equilibrada, composta de ainividios lortes e bellos, elementos de paz e de trabalho. — 4 Acht. EVGENICS às the study ot agencies under social control that may improve or impair the racial qualities of future generations, estler physically or men- taily-—— The Bugenics Society - London.

De um modo geral, os resultados obtidos com o dataset do periódico Boletim de Eugenia foram melhores que os obtidos com o O Paiz. Isso se deve à qualidade das imagens originais e à simplicidade do layout das páginas.

Comparando os diferentes moteres e modelos, o Tesseract apresentou melhores resultados.

Veja as conclusões e recomendações no tópico 12.3

---

[1]

Para instalar uma máquina virtual, recomendamos o VirtualBox. Para instalar o VirtualBox, siga as instruções do site oficial: https://www.virtualbox.org/wiki/Downloads

[2]

Caso seja necessário executar o caminho inteiro para que o python3.7 seja executado, sugiro criar um alias. Basta inserir a linha alias python3.7='<caminho-para-o-python3.7>' no ficheiro de configuração do seu bash. Para saber mais, veja Diolinux, “Seu Terminal Linux não será mais o mesmo! - Como usar Bash Aliases”, 2023. https://www.youtube.com/watch?v=k8SycT32-yA.