«Получив какое-то решение, всегда стоит посмотреть вокруг и сравнить качество полученного решения с более ранними исследованиями.» — эпично :))
Хорошая статья на самом деле, отдельное спасибо за 4 ссылку — весьма интересная работа.
Хорошая статья, только нет информации о зависимости версии cmake и opencv что не маловажно, т.к. build нормально будет работать только с той версией на которую заточен (а за значения флагов и батник — жирный лурк!).
И вопрос — почему в названии не написано что установка вместе\для python? То как бы последнее — лишняя информация, т.к. собранный opencv можно юзать и в студии на си++ и на делфи и т.д… и студия 2019 питону не нужна от слова совсем, а для cmake достаточно компилирующей части, а не всей студии целиком...?
Вот неплохо было бы в статье (последующей уже) побольше информации именно об этом написать.
Т.к. в любой системе среди главных критериев: масштабируемость, стабильность, эффективность работы. А то что в DLP можно использовать OCR — это не новость, а скорее один из вариантов автоматизации. Плюс в статье нет цифр — показатель эффекта от внедрения конкретно Fine Reader, а тоже было бы интересно.
А так, спасибо за статью. Первый раз за несколько лет пишу комментарий.
1) OCR не единственная технология распознавания текстовой информации, есть также ICR, OMR и т.д.;
2) Не совсем понятно зачем выставлять таймауты? Сервера систем распознавания самостоятельно способны выстраивать очередь т.к. в любом нормальном сервисе запрос на распознавание и получение результата выполняется асинхронно;
3) В статье описаны случаи «донастройки» под каждый вариант изображения — согласен, однако где автоматизация? Или случай что в одном потоке могут приходить разные изображения в рамках одного проекта — не учтен? Т.е. например нам нельзя передавать в стороннюю систему паспорт и мы его игнорируем, но вот незадача OCR не смогла прочитать текст с имеющимися настройками — считаем что это просто картинка и передаем…
4) В статье несколько раз упоминается «единственный верный путь», что в корне разнится с современными автоматизированными системами построенными в т.ч. на нейронных сетях.
Хорошая статья на самом деле, отдельное спасибо за 4 ссылку — весьма интересная работа.
*но это не точно
И вопрос — почему в названии не написано что установка вместе\для python? То как бы последнее — лишняя информация, т.к. собранный opencv можно юзать и в студии на си++ и на делфи и т.д… и студия 2019 питону не нужна от слова совсем, а для cmake достаточно компилирующей части, а не всей студии целиком...?
Т.к. в любой системе среди главных критериев: масштабируемость, стабильность, эффективность работы. А то что в DLP можно использовать OCR — это не новость, а скорее один из вариантов автоматизации. Плюс в статье нет цифр — показатель эффекта от внедрения конкретно Fine Reader, а тоже было бы интересно.
А так, спасибо за статью. Первый раз за несколько лет пишу комментарий.
2) Не совсем понятно зачем выставлять таймауты? Сервера систем распознавания самостоятельно способны выстраивать очередь т.к. в любом нормальном сервисе запрос на распознавание и получение результата выполняется асинхронно;
3) В статье описаны случаи «донастройки» под каждый вариант изображения — согласен, однако где автоматизация? Или случай что в одном потоке могут приходить разные изображения в рамках одного проекта — не учтен? Т.е. например нам нельзя передавать в стороннюю систему паспорт и мы его игнорируем, но вот незадача OCR не смогла прочитать текст с имеющимися настройками — считаем что это просто картинка и передаем…
4) В статье несколько раз упоминается «единственный верный путь», что в корне разнится с современными автоматизированными системами построенными в т.ч. на нейронных сетях.