მოგესალმებით :)

როგორც ვიცი არსებობს ქართული სკანირებული ტექსტის გადამყვანი ანუ სურათიდან ტექსტად გადამქცევი პროგრამები: "ქორის თვალი" და "ABBYY Fine Reader". მაინტერესებს რამდენად კარგად ასრულებენ ეს პროგრამები თავიანთ დავალებას. როგორ მუშაობენ ისინი ცოტა დაბალი ხარისხის სურათებზე, ცოტათი მობრუნებულ გვერდებზე, ან საერთოდ ხელით ნაწერზე.

მაინტერესებს რამდენადაა მოთხოვნა ასეთ პროგრამაზე საქართველოში. ჭირდება თუ არა კერძო პირებს ან სახელმწიფო ორგანოებს. ვფიქრობ, მაგალითად ეროვნული ბიბლიოთეკისთვის საკმაოდ საინტერესო უნდა იყოს (შეძლებენ ელექტრონული ბიბლიოთეკის გაკეთებას. შეძლებენ იმ წიგნების ტექსტად გადაყვანას, რომლებიც უკვე კარგ მდგომარეობაში აღარ არის და ა.შ.)

ეს თემა ფორუმ.გე -ზე გავხსენი, მაგრამ აქაც გავხსენი რადგან როგორც გავიგე რამდენიმე ადამიანს პირდაპირი შეხება ჰქონია OCR-თან (ჭრელას, ვარამას და ანდროს).

მე არ მქონდა ოცრ-თან შეხება, ჩემ ძმას ჰქონდა, მაგაზე სამაგისტრო დაწერა.
მოკლედ to my knowledge ყველა არსებულ სოფტს ქართულთან დაკავშირებით ერთი დიდი პრობლემა აქვს: თუ მუშაობს, მუშაობს მარტო ერთ ფონტთან კარგად, სხვებს ვეღარ გებულობს. არი 2 გზა ან machine learning მიდგომა გამოიყენო რო ყველა ფონტზე ავარჯიშო და მერე ამოცნობის სიზუსტე იზრდება (მაგას აკეთებდა ჩემი ძმა opensource სისტემის tesseract დახმარებით) ან სერიოზულად იჩალიჩო თვითონ ამოცნობის ალგორითმში და ქართული ანბანის ასოების მოხაზულობის თავისებურებები ჩადო, რაც იდეაში გაზრდის კარგად აღქმადი ფონტების სიმრავლეს.
სხვა საკითხია რა სტიმული შეიძლება ჰქონდეს ადამიანს ამის გაკეთებისთვის, იმიტომ რომ სერიოზული სამუშაოა ჩასატარებელი. როგორც Fine Reader-ს ესეთ პროდუქტს ვერ გაყიდი საქართველოში, ცხადია დაკრეკავენ ეგრევე. ანუ ვიღაცის დაკვეთა უნდა იყოს განათლების სამინისტროს, მაგალითად, იმისთვის რომ იგივე ბიბლიოთეკები ციფრულ ფორმატში გადაიყვანოს. მგონი ასეთი მოთხოვნა ჯერ არ არსებობს და სანამ არ იქნება რეალური წინსვლა ამ სფეროში მოსალოდნელი არაა imho.

ფონტებით მიდგომა ცუდია ჩემი აზრით. ვიღაცას რომ მოუნდეს რაიმეს დასკანირება ვერ მიცემ გარანტიას რომ მისი ფონტი უეჭველი გექნება. უკეთესი და უფრო რთული მიდგომაა ალგორითმული. მაგრამ ძალიან საინტერესო :) გაყიდვით შეიძლება გაყიდო, გააჩნია როგორ გააკეთებ. მე ასეთი რამ მოვიფიქრე: პროგრამას რომ გადმოწერ, სურათს ჩააგდებ, მერე ეს აქ დაამუშავებს და კომპაქტურად გააგზავნის ამ ინფორმაციას (არაა აუცილებელი სურათი გააგზავნოს... შეუძლია რაიმე შუალედური ინფორმაცია გააგზავნოს - თანაც ზომაში უფრო მცირე იქნება ვიდრე თვითონ სურათი, ანუ არ იქნება ნელი ატვირთვა) სერვერზე. იქიდან კი უკან ტექსტი გამოეგზავნება. ხოლო გადასახადი სიტყვების რაოდენობით იქნება. ანუ ეგ მოგვარებადია, მთავარია, არსებობს თუ არა მოთხოვნა.

ეგ თემა მეც მაინტერესებდა და ვეძებდი რამე მიდგომებს როგორ აკეთებდნენ და რა მეთოდი ჯობდა მაგრამ თითქმის ვერაფერი ვიპოვე.

არ მიცდია მოძებნა მაგრამ არა მგონია ეგეთი რთული იყოს ნახვა...

შენ თვითონ მოიფიქრე :) შეიძლება ვერ გამოვიდეს ძაან მაგარი მარა ეგ ისეთი დავალებაა, რომ ახალი იდეები ჭირდება, და რა იცი, იქნება კარგი გამოდგეს :)

აქ იშოვება რაღაც საინტერესო დოკუმენტები

მადლობა, გადავხედავ :)

სადღაც შეჯიბრებაზე მოგებული Fine Reader (ABBYY იყო სპონსორი) ახლა აგდია სადღაც ისე რო არც გამიხსნია მგონი :)

ახლაც ატარებენ ეგენი მემგონი, CodeForces-ზე :)

გამოვიდა ქართული ოპტიკური ამოცნობის სისტემა SunnyPage რომელიც იყენებს tesseract-ს SunnyPage.ge

ეგეთი საიტი რომ არ არსებობს არაუშავს? :)

ეხლა მუშაობს

http://www.sunnypage.ge/ge ქართული ვერსია,
http://www.sunnypage.ge ინგლირური ვერსია და
http://www.sunnypage.ge/ru რუსული ვერსია