Ситуация с Opensource OCR закритическая

Греческие капчи давать только в Греции

греческие буквы встречаются в формулах по всему миру. Если там формула из квантовой хромодинамики то автоматически перенаправлять ее выпускникам физфака? =)

И как по-твоему OCR распознает то, что человек не может прочитать?

иногда кстати может, специалиста в теме текста кончено не заменит, но неспециалиста иногда таки превосходит.

Греческие буквы в формуле и школьник может прочитать. Студент - тем более. А уж если это известная формула...

Другое дело - древние книги на мертвых языках. Но и OCR надо как-то приучать к этим языкам.

Приведи уже пример скана, который я, как не грек и не специалист, не смогу распознать.

Греческие буквы в формуле и школьник может прочитать.

Это если скан хороший, на плохом может быть не понятно, что там над иксом - штрих или степень, вот спец по контексту и догадается.

А плоский текст коммерческий OCR уже лет 10 распознает без ошибок, даже отличает тире от дефиса

Как добиться высокой популярности такой капчи? Нужны ведь миллионы пользователей. Единственный путь, который вижу - платить размещателям этой капчи, но слишком дорого и кто будет платить?

OCR != спец по контексту. В данный момент OCR равны неспециалистам, поэтому аналоги рекапчи вполне заменяют OCR и превосходят его по скорости. А если сделать годный алгоритм выбора «разборщиков» для капчи, чтобы он старался подсунуть нужный скан нужному специалисту, капча будет лучше.

Разместителям капчи выгодно ее использовать. Это не реклама, которая только мешает, а способ оградить себя от ботов. Если твоя капча будет уметь давать на матан-форуме матан, а на сайте по CS названия оружия, то это будет цениться как дополнительная атмосфера для сайта.

ну как минимум наделаешь очепяток в терминологии, не говоря уже о различении кириллицы и латиницы по контексту. Вот попадется какая-нибудь B-изоформа, и как ты догадаешься что за буква, в или b? Там где пасует современный OCR пасует обычно и 99% человеков.

поэтому аналоги рекапчи вполне заменяют OCR и превосходят его по скорости.

Ты малость загнул. Во первых в рекапче напрочь исчезает форматирование, а во вторых походу OCR последний раз ты видел году так в 96м

Человек знает, что обычно в таких терминах используются латинский символы. И да, что ты этим хотел сказать? Это не довод в пользу OCR, она тоже пасует.

Увеличить размер капчи - и будет тебе форматирование. Сделать особую капчу, где надо не распознать текст, а выделить мышкой блок изображения или формулы.

OCR видел году в 2002-2003. Пользовался раза 2, потом уже появился интернет, в котором все отсканировали и распознали за меня.

Человек знает, что обычно в таких терминах используются латинский символы.

«обычно» не значит всегда, в молекулярной биологии например используются греческие буквы, некоторые из которых похожи на латинские. Да к тому же ты переоцениваешь интеллект среднего пользователя интернетов.

Увеличить размер капчи - и будет тебе форматирование.

Как много людей могут определить кегель на глаз?

Я не говорю, что надо оценивать по среднему пользователю. Просто тут, в отличие от OCR, надо развивать не распознавалку, а правильную оценку пользователей и рассылку капч на тематические сайты, где специалистов больше.

Так и запишем - Пастернака не читал а осуждаю.

PS Я как раз из тех кто распознает и сканирует.

Я не про кегель, я про выделение картинок и схем. Кегель распознать уже и OCR сможет, оценить размер строки текста - это тебе не распознавать.

Я не говорю, что надо оценивать по среднему пользователю.

Если ты хочешь вывешивать это в инет то надо оценивать именно по среднему пользователю, причем по низу средних.

Просто тут, в отличие от OCR, надо развивать не распознавалку, а правильную оценку пользователей и рассылку капч на тематические сайты, где специалистов больше.

И получишь распознавание текста со скоростью сто слов в неделю. На тематических сайтах флудить не принято, пишут мало и по-делу.

Вот на лоре можно английские технические тексты и маны давать для распознавания. А флуда тут столько, что книжную полку за день распознаешь.

cuneiform уже и с русским научили работать…

он тут до нового года вообще без мейнтейнера был, если чо.
забросили его. последний коммит был в апреле 2010 года.

Насмешил.Ты походу никогда не читал английский технических текстов. Ну а маны зачем распознавать? Их переводить надо.

штрихкоды не внедряли бы, если бы сразу была возможность распознать текст на наклейке, а такая возможность появилась не так давно. возможность же сделать это в масштабах крупного предприятия за приемлемые деньги - только вырисовывается.
а единость информационного пространства когда существует по меньшей мере пяток различных двумерных штрихкодов - это смешно.

Кому надо - договариваются о стандартах и используют их. Остальные теоритезируют и смеются.

и о чем же договорились те, кому надо? Aztec, QR или DM?

Мне до балды, если честно. Я просто вижу, что, к примеру, трекинг международной почты работает и посылки со штрихкодами приходят.

Ты книжки-то читаешь? Небось не пробовал, поди

Лично я читаю только электронные книжки на e-ink и Вам рекомендую.

По сабжу: Cuneiform+YAGF более-менее справляется в простых случаях.

Кстати, существующие библиотеки, типа tesseract, вполне себе
выполняют нужные разработчикам и спонсорам функции. Это намек.

Толкового HOWTO по применения тессеракта нету.
Его открытость ничего не значит по большому счету.

Аналитики лора такие аналитики. Я вполне нормально читал и переводил тексты, маны и научные статьи (в том числе не по моей специальности вообще). Правда, не знаю, зачем их распознавать, если тексты уже давно должны выпускаться в первую очередь в электронном виде, и только в каком-то особенном случае (чертежи, которые нужно использовать на объекте в таком формате, что на читалке/планшете он не влезет) можно их распечатывать. А то, что в этих странах все наоборот, не должно волновать разработчиков.

я не знаю как там всякие опеносиэр, но по мне так, написать нормальны PyGTK интервейс - ничего сложного. та даже с нуля написать новую осиэрилку на PIL - проще паренной репы. единственная проблема для меня - 'проблема мотивации' (ↄ)

Читай на бумаге. Так еще твой папа делал. И мама тоже.

аналитик лора он такой аналитик.

технологии OCR нужны. Точка. Хотя бы мне. И другим миллионам пользователей. И они за это готовы отдавать деньги.

Т.е. с OpenSource OCR проблема потому, что вы на эти деньги покупаете проприетарные решения, вместо развития свободных?

Кроме ЕГЭ примеры будут?

Если это энтерпрайзно и пользователи готовы отдавать деньги, что ж никто не оплатил команду кодеров, которые напишут линуксовую OCR?

личный пример: пришла бумага по почте, я ее отсканировал, распознал, анонимизировал выложил на спец форуме с вопросами

Ну так кто вам не даёт пилить OCR?

Лошадей покормил, кучеру ночлег предоставил... понятно ;)

бесплатная замена Finereader должна ведь работать под Windows?

Finereader ведь под Windows работает?

В мире opensource тебе никто ничего не должен, ага :)

Из треда я узнал три вещи:
1. CuneiForm теперь называется OpenOCR
2. Кроме него у нас есть няшный Tesseract
3. В школы для детей с задержками умственного развития провели интернеты.

выход очевиден, государству нужно купить Abbyy и открыть его))) Тем самым поддержать СПО))

xsane+cuneiform

таблиц-то нет :)

Отлично распознает!

таблицы?

А при чем здесь таблицы?

Ну я по высказыванию «Отлично распознает!» подумал, что может и таблицы уже прикрутили, т.к. последний раз и пользовался cuneiform во время скриншота по ссылке.

А зачем может возникнуть необходимость распознавать таблицы?

Бала как-то необходимость (в то время где-то) формуляр распознать, так там таблиц полно.

Еще один все понял.

Школьники не могут написать OCR, задача другого уровня. А вот десять раз переписать три разных DE — это запросто.