Системы оптического распознавания текста в Linux - обзор и сравнительное тестирование

Учитывая разность результатов, не они, а их использовали для проверки самого T3

Собрал tesseract и был приятно удивлён качеством распознавания. В образце 2 ошибок при прочтении не нашёл. От удивления скачал и заставил работать tesseract-gui - кривенькая программа, пришлось поправить путь к данным и жёстко задать язык распознавания, так как активировать выбор языка в GUI мне не удалось.

Более скажу, я сейчас обучаю Tesseract для распознавания текстов XIX века, так он после первого же этапа, без словаря начал неплохо распознавать отсканированные тексты.

Да там вообще не про это 600dpi вляпали. Но да, наверное скорости сканирования современных МФУ/сканеров с 600dpi со временем выростут... на моём МФУ трёхлетней давности скорость в три раза меньше чем с 300dpi, про 200dpi и говорить нечего. В Оцифровка печатных текстов там тоже разошлись в мнениях насчёт DPI.

Кстати, про Tesseract. Он, оказывается, уже гугловский.

> Тогда, думаю, станет ясно, что 149 евро за FineReader это не так уж и много.

Только с какого фига там ограничение на количество страниц?

Ну и ещё - _готовый_ ABBYY FineReader 10 Professional Edition под винду стоит почти в 2 раза дешевле (3590 руб. - версия для скачивания). Что тоже вызывает вопросы...

> Очень интересно где они в Linux сумели свой хитрый, необнуляемый счетчик сделать.

Да вычислить-то можно. Только противно. Не для того с винды уходили, чтобы опять кряки плодить. Лучше уж Tesseract развивать, раз у него твёрдое второе место.

tesseract - это такой генератор лучей поноса?

А XSane может с tesseract работать? А то у меня сейчас под рукой сканера нет, а без сканера оно не запускается...

Интересная и полезная статья. Для себя извлек пару идей на будущее: присмотреться внимательнее к tesseract-ocr и перечитать заново книгу «Война и мир». :)

у меня до сих пор глючит -

> Ну и ещё - _готовый_ ABBYY FineReader 10 Professional Edition под винду стоит почти в 2 раза дешевле (3590 руб. - версия для скачивания). Что тоже вызывает вопросы...

Они в Abbyy не хотят, чтобы ты за 140 баксов или евро автоматизировал распознавание потока документов на предприятии. Или еще чего масштабное сделал. Отсюда и такие ограничения, потому что консольную утилиту можно приспособить для этих целей, а готовый виндовый FR - нет. Потому что у них для этих целей есть совсем другие решения, ценой раз в 50-100 поболее.

> Лучше уж Tesseract развивать, раз у него твёрдое второе место.

На самом деле я чувствую, что нужно более нормальное и масштабное исследование. Потому что 2-ое место у него на качественных документах, на документах с плохим качеством похоже рулит все-таки cuneiform.

И вообще тест стоит провести на реальных сканах, результаты могут отличаться.

> Отсюда и такие ограничения, потому что консольную утилиту можно приспособить для этих целей, а готовый виндовый FR - нет.

«Воттыблинскийгад» (c) - и готовый линуксовый FR (с окошками) за цену, сопоставимую с виндовой, тоже не хотят делать.

Сидят как собаки на сене, короче.

А вот мне интересно - неужели совсем-совсем никто не пробовал сделать на основе их движка GUI и продавать/распространять его?

Вторая идея однозначно стоящая :)