Vincent Christlein: Automatische Schreiberidentifizierung in historischen Dokumenten

Schreiberidentifizierung ist ein bekanntes Problem in den Geschichtswissenschaften bzw. der Paläographie, findet aber auch Einsatz bei forensischen Gutachten (z.B. bei der Echtheitsbezeugung von Testamenten). Im Zuge der Massendigitalisierung von historischen, aber auch zeitgenössischen Quellen, ist eine Einzelprüfung mittels historischen oder forensischen Experten allerdings schwer zu realisieren. Abhilfe könnte dabei eine automatische Handschriftanalyse liefern, die mögliche Kandidaten direkt vorschlägt (Schreiberidentifizierung) oder eine Liste an ähnlichen Schriften zurückgibt (Schreibersuche), s. Abbildung. Letzteres hat den Vorteil, dass eine manuelle Überprüfung einer kurzen Liste, z.B. der ähnlichsten 20 Bilder (und zugehöriger Schreiber) möglich ist.

Verschiedene Faktoren machen eine automatische Schreiberidentifizierung (bzw. Schreibersuche) herausfordernd. Zum einen gibt es interne Faktoren der Schreibervariabilität, Schreiber-bedingt kann das Schriftbild eine hohe Varianz aufweisen. Umgekehrt sehen Schriften unterschiedlicher Menschen oft erstaunlich ähnlich aus. Desweiteren können äußere Faktoren, wie Wasserflecken, Risse oder Falzen den Erfolg einer Methode beeinflussen.

Der erste Teil des Vortrags konzentriert sich auf verschiedene algorithmische Aspekte der Schreiberidentifizierung. Zuerst werden Möglichkeiten aufgezeigt welche Bereiche im Bild überhaupt betrachtet werden können. Anschließend werden verschiedene Verfahren zur Merkmalsextraktion vorgestellt. In diesem Bereich werden heutzutage in der Regel lernbasierte Verfahren eingesetzt, die auf tiefen Neuronalen Netzen basieren. Allerdings stellt sich die Frage, wie man diese trainieren kann, wenn man nur sehr wenige Schriften eines Schreibers zur Verfügung hat. In der Praxis, wird deswegen auch hier typischerweise ein Patch-basierter Ansatz verfolgt, d.h. eine Schrift in viele kleinere Patches (Bildausschnitte) zerlegt, für die dann jeweils ein Merkmalsvektor berechnet wird. Diese vielen lokalen Merkmale können anschließend aggregiert werden um einen globalen Merkmalsvektor zu erlangen, der dann mit anderen verglichen werden kann.

Der zweite Teil des Vortrags stellt exemplarische Studien vor, in denen sich der Kontext bzw. die Modalität ändert. Zuerst wird eine Arbeit vorgestellt, in der Schreiberidentifizierung auf einen Datensatz von historischen Briefen angewendet wird, wofür eine spezielle Methode zur Merkmalsextraktion entwickeltet wurde. Im Gegensatz zu früheren Methoden wird hier nicht auf Patches von Schreibern des Trainingsdatensatzes trainiert, sondern ähnliche Patches gruppiert und anschließend gefordert, dass diese ähnlichen Patches einer Klasse angehören müssen.

In einer weiteren aktuellen Studie wird die Problematik von Artefakten in Bilddokumenten anhand Papyri-Schriften aufgezeigt. Prinzipiell hat man zwei Möglichkeiten, entweder bringt man der Methode bei, die Artefakte zu ignorieren, oder man versucht diese Artefakte so gut wie möglich zu entfernen. Hierbei testeten wir letzteres und zeigten, dass eine gute Segmentierung der Schrift einen entscheidenden Anteil am Erfolg der Schreiberidentifizierung hat.

Zum Schluss des Vortrags wird noch die Möglichkeit der Handschriftimitierung thematisiert. Hierbei muss zuerst eine zeitliche Sequenz von Strichen aus dem Textbild generiert werden. Mit Hilfe dieser Strichfolge kann ein auf Strichdaten vortrainiertes Netzwerk adaptiert und ein neuer Text generiert werden. Die Stricheigenschaften (Dicke, Farbe, etc.) werden mit einem weiteren neuronalen Netzwerk generiert. Es konnte gezeigt werden, dass mit diesem Ansatz Handschriften realistisch imitiert werden können und ein Mensch oft erfolgreich getäuscht werden kann. Auch die Anwendung einer automatischen Handschriftidentifikation kann hier zum Teil getäuscht werden. Dies eröffnet somit eine neue Ebene der Handschriftidentifikation, die nun nicht mehr nur zwischen handgeschriebenen sondern auch synthetischen Texten unterscheiden muss. Auf lange Sicht, tritt also, wie in anderen verwandten Disziplinen, z.B. bei der Übertragung von Mimik für Gesichtsreenactment, ein Wettbewerb zwischen künstlicher Generierung und deren Erkennung ein.

Vortrag im Rahmen des „Digital History“-Forschungskolloquiums
Zeit: Mittwoch, 11. November 2020, 16-18 Uhr
Ort: Zoom-Konferenz (Zugang auf Anfrage oder via Mailingliste)

Cite this article as:
digitalhistory: Vincent Christlein: Automatische Schreiberidentifizierung in historischen Dokumenten, in: Digital History Berlin (Blog), erschienen am: 9. November 2020, Internet: https://dhistory.hypotheses.org/233.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.