Комментарии 6
Скорость в 3 секунды для on-device OCR - это отличный результат, я на одном из проектов с этим долго бился.
да скорость достойная, а если TPU будет на телефоне? к нему доступ свободный интересно или только для системных приложений
Доступ для сторонних приложений предусмотрен — например, через LiteRT. Системным приложением для этого быть не обязательно. Но возможны нюансы в зависимости от чипов и модели.
В статье замеры на обычном процессоре. Чтобы оценить выигрыш от NPU, нужен отдельный эксперимент. Автоматического ускорения здесь нет: неподдерживаемые части модели могут остаться на CPU, а передача данных между блоками съесть выигрыш.
Эх, забытые технологии.... В 2009-м году пользовался смартфоном Samsung L870 на Symbian, на нём было встроенное приложение по распознаванию визиток, и неплохо работало, без облаков, гигагерцных процессоров с десятками ядер и облаков.
Вспоминается Business Card Reader от ABBYY на ПК в 1990-х. Даже поставлялся к какими-то принтерами. (Теперь у ABBY уже есть и телефонное приложение).
Из распознанных распознавалкой строк/слов/букв, раскиданных по плоскости, собирались данные, которые распихивались по подходящим полям формы. При ошибке программы легко можно было исправить ошибку - переташить слова в другое поле. К примеру из адреса в название компании. Главная идея была в том, что программа все-равно ошибается, но пользователя бесит не это, а то, что он не может поправить ошибку легко.
Разбор по полям решался обычным перебором, без LLM. Правда хороший перебор, к примеру такой, как в шахматах, исторически и считался ИИ.
P.S. Изображение визитки тоже сохранялось, и показывалось при просмотре базы. Это давало дополнительный визуальный сигнал пользователю, а также еще способ пользователю таки получить данные, которые плохо распознались/разложились по полочкам.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Распознавание визиток на телефоне без облака: PaddleOCR, ONNX и React Native