Ищу OCR-инженера для проекта по распознаванию старославянского печатного текста (Kraken / Calamari).

Работаю над созданием кастомной OCR-модели под старославянский текст XVI–XVII вв.

Есть проблема, которую стандартные движки не решают:
– 10–15 типов надстрочных знаков,
– нестандартная раскладка,
– редкие кириллические и греческие символы,
– проблема сегментации (диакритика «уезжает» в отдельную строку).

Нужен специалист, который понимает как решать и имеет практический опыт работы с задачами:
1. Разметка строк вручную/полуавтоматически.
2. Создание датасета пар «скан → текст».
3. Тестирование Kraken (обязательно)/Calamari(по возможности):
– line segmentation,
– training alphabets,
– ground truth mapping.
4. Построение минимального прототипа пайплайна: папка A (исходные сканы) + CLI-скрипт -> папка B (текстовый результат в правильной раскладке).
5. Создание краткого аргументированного отчёта о том, какой путь обучения модели реалистичен и оптимален для решения поставленной задачи.

На первом этапе — пилот за начальную сумму 

Это R&D-этап.

Если подходим друг другу — продолжение проекта: обучение основной модели (кратно больший бюджет).

От вас нужны:
– опыт OCR или ML;
– понимание сегментации строк;
– умение работать с нестандартными алфавитами.

Для пилота дам 5–10 страниц сканов и эталоны.

Пишите кратко: с какими OCR-движками работали, 2-3 примера похожих решенных задач.

Вышлю дополнительные вопросы и материалы.

Желаю всем взаимовыгодны проектов!

С уважением,
Алексей