В сети появится более 14 миллионов отсканированных книжных страниц

На ресурсе Flickr появились миллионы отсканированных страниц книг, которые американская организация Internet Archive выложила в бесплатное пользование. На данный момент уже опубликовано около 3 млн. изображений и это только начало, организаторы проекта заявляют, что ближайшее время в свободном пользовании будет более 14 миллионов страниц отсканированного текста.

Осуществление такого масштабного проекта стало возможным только благодаря недавно созданному алгоритму, автоматически извлекающему изображения из более 2 млн. книг, в настоящее время хранящихся в публичной библиотеке организации Internet Archive. Данная программа, разработанная научным сотрудником Джорджтаунского университета Калевом Литару, настроена на автоматическое оптическое распознавание текста и извлечение 500 слов из каждого отсканированного изображения, что позволяет осуществлять текстовый поиск по коллекции.

Примечательно, что все изображения текстов, выложенные от имени Internet Archive, не будут защищены авторскими правами, что позволит их свободное распространение по всей сети интернет. Создатели проекта считают, что со временем у них получится создать визуальную библиотеку, в которой поиск информации будет осуществляться путем считывания изображений.

На сегодняшний день организация Internet Archive Book Images включена во всеобщий проект The Commons, целью которого является создание открытых библиотек, позволяющих сохранить наследие интернета.  На сервисе уже есть специальные подкатегории для аудио-, видео- и графических материалов, устаревших версий сайтов, консольных игр 1970-80-х годов создания, а также всевозможного программного обеспечения. Информация, хранящаяся в Internet Archive, уже составляет 19 Пб и включает в себя более 600 миллионов отсканированных текстов книг разных жанров и направлений, написанных за последние 500 лет.

Светлана Кораблёва © Gallerix.ru