Comments 16
Имхо главная проблема разрешение исходного изображения.
При достаточном разрешении в большинстве случаев работают неплохо даже простые алгоритмы.
Зы opencv не стоит рассматривать как систему, это же конструктор и результат зависит в первую очередь от того что из этого конструктора соберут
2. В данном случае мы сравнивали качество работы разных систем распознавания на отдельных кадрах.
3. Теперь насчет качества и количества ошибок. Из таблицы видно, что Smart Code Engine ошибается на 1% изображений, а Zxing — на 19% изображений.
Тут все очень просто. Мы собрали небольшой датасет и оценили своё решение и два известных открытых. Кроме того, наш движок, хоть на миллиарде фото из интернета, можете самостоятельно испытать, просто скачав мобильное приложение — https://apps.apple.com/ru/app/smart-idreader/id1157877082
Когда потребовалось считать QR код просто подрубил.
implementation «com.google.firebase:firebase-ml-vision:24.0.3»
implementation 'com.google.firebase:firebase-ml-vision-barcode-model:16.1.1'
Это бесплатно и работает локально.
Вопрос почему Вы сравниваете свой продукт (стоимость лицензии по запросу) не с коммерческими решениями на рынке, а с опенсорсом?
У них b2b, как вы представляете, мы ваши конкуренты, дайте демку для тестов? Конечно с опенсорсом сравнение, с самыми популярными решениями. Только недавно тут обсуждали куркоды нечитаемые мобильными приложениями банков для оплаты ЖКХ квитанций.
К тому же, решения у конкурентов могут быть такие же по качеству по сравнению с опенсорсом. Сравниваться с конкурентами некорректно, кто поверит в непредвзятость? если стоит выбор платной либы — в любом случае тест нужно делать самостоятельно. Как иначе то?
Приложения для конечных пользователей. Тут вам выше уже написали два замечания.
Первое, сложно найти кейс, когда распознавание идёт по фото. Распознают видеопоток. Так что, ваши 19% попугаев преимущества, нивелируются движением смартфона и практически незаметно для конечного пользователя. Либо распознаётся, либо нет.
Второе, ваше решение платное, непонятно сколько стоит и как решать проблемы, которые возникнут, если нет привычного гитхаб комьюнити — непонятно. Нет, вы конечно можете обещать всестороннюю поддержку после покупки решения, но, бесплатного ничего не бывает. Если вы берёте на себя обязательства, значит они должны быть компенсированы стоимостью. Что тоже не добавляет желания воспользоваться ради мифических (а иначе, на основании ваших тестов, и не скажешь) 19% более лучших механизмов распознавания. Зачем? Если ZXing открыт и там тысячи людей делятся опытом и советами.
При всём, при этом, техническая часть вашей разработки, вызывает уважение. Молодцы, что делаете крутые штуки. Только, к сожалению, мне не очень понятно, для кого.
2. Наша библиотека «ошиблась» (не распознала? распознала неправильно? что-то третье? — нет ответа) на вот такой картинке. Другая — вот ещё на этих нескольких.
3. «Покупайте наших слонов».
Я ничего значимого не упустил в этом реферате статьи?
Нет данных по ложноположительным срабатываниям, когда баркод прочитан, но прочитан неверно (вы приводите только варианты, когда код просто не считался). Да, такие ситуации встречаются, нарывался. Может быть ваша система менее надежна, а ZXing просто более строгий?
Опять же, вы показали примеры "дизайнерских" баркодов, но не сказали, как с ними справляется ваша разработка?
Про малую выборку и неактуальность упоминания OpenCV уже указали.
Предложение, и вам плюс в качестве материала для тестирования, и реклама, и мы посмотрим на актуальность: сделайте веб-страничку, где можно было бы загрузить фото баркода и получить сырые декодированные данные, чтобы мы могли их сравнить с другими решениями.
Зачем нужна еще одна система распознавания баркода?