OCR форум - Re: Онлайн OCR сервис

AAW Патриарх Вне Форума Старую детскую и НП литературу ничем не заменить Сообщений: 5606 Екатеринбург Пол:	Re: Онлайн OCR сервис 03.11.2009 :: 13:20:23 "н" и "и" путает. Подсовывал 300дпи, 150% увеличения, цветной джипег.
Наверх	Если не я за себя - то кто за меня? Но если я только за себя - то зачем я нужен? И если не сейчас - то когда? (с) Гиллель, предположительно IP записан

Kis Активист Вне Форума Сообщений: 434 Россия, Москва Пол:	Re: Онлайн OCR сервис Ответ #1 - 03.11.2009 :: 15:21:31 Пытался подсунуть 3000x4700@600dpi. Результат: The uploaded file is too large. В два раза меньший: результат тот же. Еще в два раза меньший: очень много ошибок распознавания. Вывод: дрянь.
Наверх	IP записан

AAW Патриарх Вне Форума Старую детскую и НП литературу ничем не заменить Сообщений: 5606 Екатеринбург Пол:	Re: Онлайн OCR сервис Ответ #2 - 03.11.2009 :: 18:48:44 так это мало. IMHO, страничка книги это хотя бы 2х-меговый джипег.
Наверх	Если не я за себя - то кто за меня? Но если я только за себя - то зачем я нужен? И если не сейчас - то когда? (с) Гиллель, предположительно IP записан

Kis Активист Вне Форума Сообщений: 434 Россия, Москва Пол:	Re: Онлайн OCR сервис Ответ #3 - 03.11.2009 :: 20:33:45 Тиффы на 600 дпи были совсем крохотные, несколько десятков килобайт.
Наверх	IP записан

Kis

Активист

Вне Форума

Сообщений: 434
Россия, Москва
Пол: male

Re: Онлайн OCR сервис
Ответ #4 - 03.11.2009 :: 21:40:01

Вот этот тифф: http://www.onlinedisk.ru/file/258235/ или http://rapidshare.com/files/301957444/16.tif . ABBYY FineReader все равно распознает лучше, но в вашем сервисе тоже неплохо получилось. Если не брать "плохие" (запятнанные или сильно искаженные) буквы, то ФайнРидер сделал только одну ошибку (не поставил один пробел возле тире), то у вас это сплошь и рядом, да и в буквах есть ошибки. И еще надоедает каждый раз выбирать заново язык и увеличение (зачем, кстати, оно вообще нужно?).

Наверх

IP записан

Kis

Активист

Вне Форума

Сообщений: 434
Россия, Москва
Пол: male

Re: Онлайн OCR сервис
Ответ #5 - 04.11.2009 :: 00:07:14

Наверное, мне показалось, что язык не сохраняется. Или я окошко в браузере закрывал. Возможно, куки бы помогли, не такое уж это плохое дело в данном случае.
Вот сравнение 100%-ого (слева) увеличения и 200%-ого (справа):
http://www.onlinedisk.ru/file/258344/ или http://rapidshare.com/files/302011081/compare.tif .
У 100% существенно лучше.
С ФайнРидером я сравнивал лишь потому, что сейчас это эталон де факто, по крайней мере для русского языка. Так что можно сразу указать на типичные ошибки, с которыми надо бороться:
1) пробелы вокруг тире,
2) "ь1" вместо "ы",
3) неправильное ("тривиально-дефисное") распознавание знаков переноса,
4) слишком сильное внимание движка к мусору на страницах,
5) частое неправильное распознавание надстрочных символов (ударений, например),
6) попытки распознать "непонятности" латинскими символами в заведомо русском тексте (например, вместо "Над" получается "І-Іад".
Пока все.

P.S. Наверное, 3) и 6) -- это одна и та же ошибка.

Наверх

IP записан

ramirez Постоялец Вне Форума Всем привет! Сообщений: 71 Пол:	Re: Онлайн OCR сервис Ответ #6 - 09.11.2009 :: 10:39:33 Распознает очень слабо, даже большие буквы заголовка. Разбиение на колонки не понимает, мешает всё в общую кашу.
Наверх	IP записан

Kis

Активист

Вне Форума

Сообщений: 434
Россия, Москва
Пол: male

Re: Онлайн OCR сервис
Ответ #7 - 09.11.2009 :: 23:34:18

nanolab, вам что, трудно повыдергать какие-нибудь страницы из любых качественно сделанных книжек? Можете ориентироваться по нику pohorsky, например. Получите бессчетные тысячи (sic!) примеров.
Сегодня из спортивного интереса поставил бесплатный (еще раз sic!) CuneiForm. Он распознает лучше! (Хотя все равно ему до FineReader как до Луны.)

Наверх

IP записан

Kis

Активист

Вне Форума

Сообщений: 434
Россия, Москва
Пол: male

Re: Онлайн OCR сервис
Ответ #8 - 10.11.2009 :: 01:13:25

Вы бы сами попробовали попользоваться своим сервисом, что ли. Повторяю:
1) Возьмите любую хорошо сделанную книжку (600 dpi, белый фон).
2) Выдерните из нее любую страницу с текстом.
3) Распознайте ее в ABBYY FineReader.
4) Распознайте ее в CuneiForm.
5) Распознайте ее у себя на сайте.
6) Доложите сюда о результатах.
Если что-то непонятно, читайте еще раз пункты 1)--6).

Наверх

IP записан

AAW

Патриарх

Вне Форума

Старую детскую и НП литературу
ничем не заменить

Сообщений: 5606
Екатеринбург
Пол: male

Re: Онлайн OCR сервис
Ответ #9 - 10.11.2009 :: 10:18:15

Поддерживаю Kis. Общественность лучше привлекать после полноценных self-тестов. Одна голова хорошо, а две лучше, но в данном случае - чтобы не упустить _сложные_ варианты. А тут, как я понял, первую попавшуюся страницу берем и получаем не хороший результат.

Наверх

Если не я за себя - то кто за меня? Но если я только за себя - то зачем я нужен? И если не сейчас - то когда? (с) Гиллель, предположительно

IP записан

ramirez

Постоялец

Вне Форума

Всем привет!

Сообщений: 71
Пол: male

Re: Онлайн OCR сервис
Ответ #10 - 10.11.2009 :: 12:46:40

nanolab писал(а) 09.11.2009 :: 17:31:59:

Пример, пожалуйста.

nanolab писал(а) 10.11.2009 :: 01:02:32:

Я не вообще спрашивал, а данный конкретный пример, о котором говорил ramirez.

Пожалуйста, вот картинка из примера, о котором я говорил:

оригинал размером 2339х1212 пикселя, который подсовывался на распознование тут.

Вот результат распознования:

Цитата:

8 ІЮНІІУЛЬТДІИВНЬІЙ ПРИЕМ ВЕДЕТ НЕВРОПАТОЛПГ
НА ПРИЕ/\/\Е БОГІЬНАЯ
Ё ЗТІІГВ НПМВІІЗ МЫ ІГШІІЬІВЗВМ На ВТІІЗНИІІЗХ НЗШВПІ НЩІІНЗЛЗ
ЗЗПЧНЬІЙ НПНСУПЬТВТИВНЬІЙ ЩІИВМ ВЕДУЩИХ ІІПВІІИЗЛИВТІІВ,
КВПІІІЬІВ ПТВВТІП На МНПГИВ ИНТВПВВУЮЩИВ
ҐІЗЦИВНТПВ ВОЩЮСЬІ. ВЫ МВЖВТВ ҐШИОЬІЛЗТЬ В ІІВДВІЩИЮ ВВІІІЮІЅЬІ
В ҐІВМВТНОЙ «на ІЮНСУЛЬТЗЦИЮ ВҐІВІІИЗЛИСТЗ»,
3 В ВІЮЁНЗХ УК338їЬ, КЗКОГВ. РВДЗКЦИВ ЗЗПЛЗНИІЮВЗЛЗ ВІЅТІІВЧИ
В !(3ІІДИ0Л0Г0М, УШІЛШТІМ, ЗІІУШВНПМ-ГИНВНПЛВГОМ,
ДВТВКИМИ ЗЛЛВНҐВЛВҐВМ И ҐЗСТПВЗНТВПВЛПГПМ.
ЁВПІДНЯ ПІІИВМ ВВДВТ ІІІІІІШВССОІІ Ґ. Й.. ЛУКДЧЁР,
МІЮҐИВ ҐОДЬІ ЗЗНИМЗЮЩИЙСЯ ПНОЁЛВМЗМИ
НВВІЮЛВГИЧВСНИХ ПІЮНВЛВНИЙ ОСТВПХВНДІЮЗЗ ПВЗВВНПЧНИКЗ.
В кабинет профессора стараюсь есть все почти не-
входит моложавая женщина. соленым, так как говорят,
Григорий Яковлевич пригла- что отложение солей умень-
0СТЕ0°
Х0 НДР0-
ОМ
ПО ВОНОЧНИКА
было вестибулярное наруше- шею и спину чем-нибудь
ние, не связанное с остеохон- теплым. Но ведь куїание не
дрозом позвоночника, и ему ПРИВЄТСТВУЄТСЯ?

Текст из колонок смешан в кучу и распознан с ошибками, даже аршинные заголовочные слова (НА ПРИЕМЕ БОЛЬНАЯ, ОСТРОХОНДРОЗОМ ПОЗВОНОЧНИКА) распознаны с ошибками.

p.s. Язык распознавания не запоминается, всё время приходится выставлять русский вручную. Куки включены.

Наверх

IP записан

Kis Активист Вне Форума Сообщений: 434 Россия, Москва Пол:	Re: Онлайн OCR сервис Ответ #11 - 10.11.2009 :: 13:22:37 Похоже, использован GOCR. Ничего нового. Свой вывод не меняю: дрянь.
Наверх	IP записан

monday2000

Постоялец

Вне Форума

Всем привет!

Сообщений: 98
Пол: male

Re: Онлайн OCR сервис
Ответ #12 - 11.11.2009 :: 17:25:28

nanolab
Вроде бы неплохое начинание - но впечатление портится каким-то слишком уж "коммерческим" духом Вашего проекта. К примеру, реклама: мало того, что стоит вертикальный блок рекламы - так нет, Вам этого показалось мало, и Вы поставили ещё и внизу горизонтальный блок рекламы.

Лучше скомпилировали бы тот же OCRopus под винду - было бы куда как интересней и полезней (раз уж CuneiForm Вам почему-то не глянулся).

Наверх

IP записан

AAW Патриарх Вне Форума Старую детскую и НП литературу ничем не заменить Сообщений: 5606 Екатеринбург Пол:	Re: Онлайн OCR сервис Ответ #13 - 14.11.2009 :: 12:54:01 без обид: вспомнились слова однокашника (думаю, придумал не он): "кто хочет - ищет способ, кто не хочет - ищет причину". Просто вроде сказано, но как жить помогает...
Наверх	Если не я за себя - то кто за меня? Но если я только за себя - то зачем я нужен? И если не сейчас - то когда? (с) Гиллель, предположительно IP записан

monday2000

Постоялец

Вне Форума

Всем привет!

Сообщений: 98
Пол: male

Re: Онлайн OCR сервис
Ответ #14 - 14.11.2009 :: 14:15:38

Цитата:

Если не нравится реклама - заблокируйте ее в браузере или не ходите на такие ресурсы.

Поясню для всех присутствующих: ко мне ранее обратился nanolab по электронной почте и попросил поставить ссылку на этот его ресурс на мой сайт. Я отказал.
nanolab
Цитата:

Вы знаете сколько стоит хостинг на выделенном сервере?

Знаете анекдот: http://1001anekdot.socialist.ru/rabinovich-i-bolsheviki/
Цитата:

НЭП. Рабиновича пригласили в ЧК:
– Мы строим социализм, но у нас денежные затруднения, и мы рассчитываем на вас, товарищ Рабинович. Наверняка у вас припрятано золото. Сдайте его.
– Я должен спросить жену.
Назавтра его снова пригласили:
– Что сказала ваша жена, товарищ Рабинович?
– Она сказала: “пусть не строят. У меня тоже нет денег – так я ведь не строю!”

Цитата:

заплатили ли вы за него?

О-па. А причём тут это?

Я же не пытаюсь на нём делать некий "бизнес", как это делаете Вы. А даже если бы и пытался - то это были бы мои личные проблемы - а не проблемы всех окружающих.
Цитата:

Всем большое спасибо за теплый прием и добрые слова.

В другой раз будете умней.

Наверх

IP записан

nbl

Гуру

Вне Форума

Сообщений: 502
Кузбасс
Пол: male

Re: Онлайн OCR сервис
Ответ #15 - 14.11.2009 :: 15:19:13

monday2000 писал(а) 11.11.2009 :: 17:25:28:

nanolab
Вроде бы неплохое начинание - но впечатление портится каким-то слишком уж "коммерческим" духом Вашего проекта. К примеру, реклама: мало того, что стоит вертикальный блок рекламы - так нет, Вам этого показалось мало, и Вы поставили ещё и внизу горизонтальный блок рекламы.

У меня в FireFox'е стоит плагин Adblock Plus, и никакой рекламы я даже не заметил

Наверх

IP записан