reCaptcha, reconocimiento de términos de forma distribuida mediante captchas
Día a día, los que navegamos por internet, en muchas ocasiones tendremos que descrifrar los captchas para abrirnos una cuenta en algún servicio o dejar algún comentario en otros. Por otro lado, cuando usamos un escaner mediante OCR, siempre tendremos que revisar las palabras del texto ya que el sistema OCR no es capaz de traducirlo correctamente.
¿Qué tiene que ver una cosa con la otra? Pues muy sencillo, ya que se trata de reCaptcha, un proyecto para la digitalización de libros y documentos escaneados del Internet Archive de la escuela de Ciencias de la computación de la Universidad de Carnegie Mellon que pretende la revisión distribuida de los términos que no ha podido convertir a texto mediante el escaneo con el sistema OCR, por el que se nos ofrece la palabra a descifrar como captcha y otro término para su comprensión.
De esta manera, se pretenden digitalizar los contenidos de los libros a textos, y de manera distribuida mediante captchas los usuarios ayudarán a descifrar los términos que el sistema OCR no ha sido capaz de averiguar, permitiendo validar la fiabilidad de los términos introducidos por los usuarios, y que actualmente reCaptcha está colaborando de esta manera en la digitalización de libros y documentos del Internet Archive.
Actualmente podemos encontrar plugins para WordPress, MediaWiki, phpBB, y PHP.
Vía | Webware
Enlace | Sitio oficial de reCaptcha
Noticias relacionadas
-
HyLighter, revisión online de documentos
20 julio 2008
-
Identi.ca, el futuro del microblogging distribuido
03 julio 2008
-
Microsoft da de baja a los “experimentos fallidos” de Windows Live
08 junio 2008
-
iRead, red social de recomendaciones de libros para redes con soporte OpenSocial
10 mayo 2008
-
ProofHQ, revisión de documentos de forma colaborativa
11 febrero 2008
Comentarios
Deja tu comentarioTrackbacks
-
1
Próximamente permitirá a los usuarios realizar sus SlapStrips personalizados, que podrán compartir en los perfiles que dispongan en redes sociales y en otros sitios web. Curioso que en sus formularios incorpore el sistema reCaptcha, del cual les30 jun 2007 04:06
-
2
Próximamente permitirá a los usuarios realizar sus SlapStrips personalizados, que podrán compartir en los perfiles que dispongan en redes sociales y en otros sitios web. Curioso que en sus formularios incorpore el sistema reCaptcha, del cual les30 jun 2007 06:20
-
3
Próximamente permitirá a los usuarios realizar sus SlapStrips personalizados, que podrán compartir en los perfiles que dispongan en redes sociales y en otros sitios web. Curioso que en sus formularios incorpore el sistema reCaptcha, del cual les01 jul 2007 11:32
-
4
Y por último, los usuarios que no dispongan de cuenta, deberán, obviamente, crearse las suyas propias. Ellos, a diferencia de nosotros, encontrarán que a partir de ahora, para poder crearse sus cuentas, en el formulario se encontrarán con el sis27 ago 2007 17:15
-
5
Y por último, los usuarios que no dispongan de cuenta, deberán, obviamente, crearse las suyas propias. Ellos, a diferencia de nosotros, encontrarán que a partir de ahora, para poder crearse sus cuentas, en el formulario se encontrarán con el sis27 ago 2007 17:27
-
6
De entre todos los sistemas de almacenamiento de archivos online, File.io nos propone un servicio diferente, más sencillo si cabe. Simplemente tendremos que crear nuestro propio directorio a través del formulario, establecer una contraseña y, pas18 dic 2007 20:39
WSL Weblogs SL
Tecnología
Entretenimiento
Motor y deportes
Economía
WSL Empresas
Destacado
Top 10
Lo+leído
- Aplicaciones portables que te pueden salvar la vida
- Especial Firefox 3: Comparativa con Internet Explorer 8 (Beta 1)
- Truco: Iconos de alta resolución en diferentes sistemas operativos
- Opinión: Aplicaciones P2P, ¿una para todos?
- Solución temporal a los problemas con Ares
- ¿Por qué está Google interesada en Digg?
- Gimp 2.6: ¿qué novedades nos esperan?
- Gmail y Google Calendar podrán ser consultados offline en unas seis semanas
- Ubuntu Intrepid vendrá con un directorio privado encriptado para guardar datos confidenciales
- Instalar fácilmente Adobe Flash Player 10 Beta 2 en Ubuntu
Lo+votado
Lo+leído
- Lively, el chat en 3D de Google
- ¿Por qué está Google interesada en Digg?
- Premios SourceForge 2008: candidatos a ser los mejores proyectos del mundo
- Google Maps ya traza recorridos a pie
- Windows Vista Compatibility Center, para saber si lo que tienes te vale para Vista
- Better GMail 2: extensión de Firefox para mejorar GMail
- Jisko v2, novedades e invitaciones para repartir
- Isinvideo: ahora puedes guardar vídeos y búsquedas
- Magic Assistant, gestor de colecciones de cartas "Magic: The Gathering"
- Actualización de seguridad para VLC, 0.8.6i
Lo+comentado
- Especial Firefox 3: Comparativa con Internet Explorer 7
- Especial Firefox 3: Comparativa con Internet Explorer 8 (Beta 1)
- Jisko v2, novedades e invitaciones para repartir
- Opinión: Aplicaciones P2P, ¿una para todos?
- Truco: Iconos de alta resolución en diferentes sistemas operativos
- Firefox 3.1: nuevo efecto visual en el cambio de pestañas
- Imagen de la Semana: A Apple no le gusta Internet Explorer
- Solución temporal a los problemas con Ares
- Now Playing, controla tu reproductor multimedia desde la Sidebar de Vista
- Aplicaciones portables que te pueden salvar la vida
Autores / Comentaristas
Autores
Comentaristas
- Rafael Galindo
- alexito4
- perico rl
- Maykel De Paiva
- supercrash10
- ferru
- Kirtash
- LepZ69
- treze
- wfox
captchas
Sé como funciona un captcha pero no me queda nada claro como se decide que palabras no ha traducido/identificado bien el OCR.
A lo sumo cabe determinar que una palabra generada por el OCR no está en un dicionario, pero aun resultando ser una palabra del diccionario no hay garantia de que sea exactamente la palabra correcta.
Con todo, ya es un avance la resolucion de aquellas palabras sin sentido, pero a fin de cuentas se requiere una lectura y comparacion directa entre la imagen del texto y el texto producido por el OCR.
La forma mas eficiente y comoda de facilitar el trabajo de revision de un OCR consistiria en mostrar como imagen de fondo la imagen de una pagina y sobreimpresionado en primer plano el editor de texto que mostraria entre lineas los renglones del OCR directamente editables por el usuario.
De este modo una simple mirada de conjunto bien podria identificar rapidamente palabras que no concuerdan y eventualmente procederia el reemplazo automatico de todos aquellos errores completamente identicos.