主要观点：

• 拥有档案中的内容但无法读取和使用价值有限，本文以从过时媒体中提取信息为例，研究Cauzin Softstrip。
• Cauzin Softstrip是1985年发布的二维条形码，可用于编码各种数字数据，曾有一定应用但最终消失。
• 难以找到工作的Cauzin Softstrip阅读器，手动解码耗时且易出错，作者利用深度学习创建数字阅读器。
• 介绍了Cauzin Softstrip的结构、编码方式及数据部分等，还给出了多个来源的数据集及解码方法和结果。
• 相关工作包括早期的条形码及其他类似研究，与光学字符识别有相似之处。
• 讨论了分解问题、使用深度学习的合理性及Cauzin信息的重要性等，强调了对归档访问的意义。

关键信息和重要细节：

• Cauzin Softstrip宽5/8英寸，长10英寸，有定位标记，分为三部分，使用二进位编码数据。
• 数据集包括数字生成的、动画算法、应用笔记等五种来源，分辨率和质量不同。
• 解码方法分三步，包括头部处理、行提取和行解码，还处理损坏的条带。
• 整体解码成功率约91%，控制条件下可达99%，生成的数据集占主导。
• 相关工作中早期条形码及其他研究，与光学字符识别有相似之处。
• 讨论了设计中的“甜蜜点”、Cauzin信息的帮助等，强调归档访问的重要性。
• 作者并非神经网络专家却取得良好结果，近期还在eBay上获取新的Softstrip并成功解码近95%。
• 感谢相关人员，提供了数据和软件的获取信息及资助等。

作者及资助信息：

• Michael Reimsbach毕业于萨尔兰应用科学大学，是独立研究员。
• John Aycock是卡尔加里大学计算机科学系副教授。
• 工作得到加拿大自然科学与工程研究理事会部分资助（RGPIN-2015-06359）。