<style>
/* reduce from default 48px: */
.reveal {
font-size: 24px;
text-align: left;
}
.reveal .slides {
text-align: left;
}
/* change from default gray-on-black: */
.hljs {
color: #005;
background: #fff;
}
/* prevent invisible fragments from occupying space: */
.fragment.visible:not(.current-fragment) {
display: none;
height:0px;
line-height: 0px;
font-size: 0px;
}
/* increase font size in diagrams: */
.label {
font-size: 24px;
font-weight: bold;
}
/* increase maximum width of code blocks: */
.reveal pre code {
max-width: 1000px;
max-height: 1000px;
color: green;
}
/* remove black border from images: */
.reveal section img {
border: 0;
}
.reveal h3 {
text-transform: none;
}
.reveal pre.mermaid {
width: 100% !important;
}
.reveal svg {
max-height: 600px;
}
.reveal .scaled-flowchart-td pre.mermaid {
width: 100% !important;
/* why? float: left; */
}
.reveal .scaled-flowchart-td svg {
max-width: 100% !important;
}
.reveal .scaled-flowchart-td svg g.node,
.reveal .scaled-flowchart-td svg g.label,
.reveal .scaled-flowchart-td svg foreignObject {
width: 100% !important;
}
.reveal .scaled-flowchart-td p {
clear:both;
}
.reveal .centered {
text-align: center
}
.reveal .width75 {
max-width: 75%;
}
</style>
# Robuste und performante Verfahren für die Layoutanalyse in OCR-D – Update
zum Treffen der AG OCR am 19.11.2025
_Robert Sachunsky_ 
https://hackmd.io/@bertsky/ocrd-layout-update
---
## Durchgang
1. Zwischenstand Detectron2
2. Zwischenstand Eynollah
3. Stand bei Evaluierung
---
## Detectron2: Experimente mit Mask-RCNN
- zunächst nur Regionensegmentierung (Grobklassifikation, Instanzsegmentierung)
- GT: DocLayNet, OCR-D
- Finetuning und Grundtraining
- sehr viele Hyperparameter und Modellvarianten
- Evaluierung zunächst nur mit COCO und qualitativ
- (noch) keine ausreichende Genauigkeit für gutes Dekoder-Resultat
---
## Detectron2
|||
| --- | --- |
|  | |
---
## Eynollah
- [Version 0.5](https://github.com/qurator-spk/eynollah/releases/tag/v0.5.0) (Layout):
- Bugfixing, Refactoring, Testabdeckung
- trainierbare Reading Order
- Standalone-CLIs: Vereinfachung und Vereinheitlichung
- Standalone-CLIs: neu `mbreorder` und `enhancement`
- polygonale Zeilen auch ohne `--curved-line`
- Marginalien unterscheiden links/rechts
- Initialen hängen nicht an Zeile
- Seitenbeschnitt polygonal und mit besserem Modell
- bessere Zeilentrennung im Light-Modus
---
## Eynollah
- [Version 0.5](https://github.com/qurator-spk/eynollah/releases/tag/v0.5.0) (OCR):
- eigene CNN-RNN-Modelle (via TF)
- eigene TrOCR-Modelle (Pytorch)
- OCR auch auf vertikalen oder kurvigen Zeilen
- OCR in Standalone-CLI oder als Teil von Layout
- Heuristik für Silbentrennung am Zeilenende
- ...
---
## Eynollah
- [Version 0.6](https://github.com/qurator-spk/eynollah/releases/tag/v0.6.0):
- Bugfixing, Refactoring, Testabdeckung, Code Style unter Linter
- Performanzoptimierung (np+mp)
- valide (und etwas weitere) Polygone
- `@type=heading` statt `header`
- einfaches nutzergesteuertes Finetuning: `eynollah-training`
---
## Eynollah
- aktuell offen:
- [Verbesserung der regelbasierten Reading Order](https://github.com/qurator-spk/eynollah/pull/206)
- [Performanzoptimierung (jdeskew)](https://github.com/bertsky/eynollah/tree/rebuilt-jdeskew)
- [einheitliche, flexible Modellauswahl](https://github.com/qurator-spk/eynollah/pull/207)
- OCR-D-Wrapper (Prozessoren) für Einzelschritte:
- Reading Order
- Bildverbesserung
- Seitenbeschnitt
- PITA TF 2.12 → CUDA 11.8 / libCUDNN 8.6, Numpy 1.23 …
- Modellverbesserungen Reading Order und Tabellen (?)
---
## Layout-Evaluierung
- [Diskussion zu Metriken](https://github.com/OCR-D/ocrd_segment/wiki/SegmentationEvaluation)...
- [ocrd-segment-evaluate | page-segment-evaluate](https://github.com/OCR-D/ocrd_segment/blob/evaluate-allowable/ocrd_segment/evaluate.py):
- effiziente IoU-Berechnung: `pycocotools.cocoeval`
- Matching, Metriken, Aggregation: eigener Code, denn
- Alignment von pycocotools [inadäquat](https://github.com/cocodataset/cocoapi/issues/564)
- n:m statt nur 1:1
- auch FN/FP (bzw. Recall/Precision)
- auch Instanz- statt nur Pixel-Metriken
- auch Maße für Über-/Untersegmentierung
- Micro-averaging, relative Maße
- **Allowable** vs. non-allowable Merge / Split nach PRImA
- Optionen: Zeilen/Regionen, mit/ohne Klassen, Vordergrund/alles
- Ausgabe von 2 PAGE-XMLs (Korrespondenz + Fusion)
- [PRImA-Layout-Eval](https://github.com/PRImA-Research-Lab/prima-layout-eval):
_partielle_ Quellen, Doku, Zusage von C. Clausner zur Mithilfe
{"title":"Robuste und performante Verfahren für die Layoutanalyse in OCR-D","slideOptions":"{\"theme\":\"white\",\"slideNumber\":true}","description":"(Arbeitstreffen)","contributors":"[{\"id\":\"c62f1b15-791a-47e1-8e4c-ab2ed00c04bc\",\"add\":5366,\"del\":140,\"latestUpdatedAt\":1763507030311}]"}