תוכנה לזיהוי טקסט בעברית (OCR)
-
@רחמים אני חייב להגיד לך שכל פעם שאני רואה איזכור של תוכנת ה-OCR שלך אני נהיה ירוק מקנאה. באמת. אין לי מושג איפה מתחילים עם דבר כזה.
האם תסכים לתת לנו ממש על קצה המזלג מושג של איפה מתחילים עם בנייה של תוכנה כזאת? (אל תדאג, לא נראה לי שאני אף פעם אגיע לרמה של לבנות מתחרה...).(נ.ב. אני לא רוצה משהו בשפה פשוטה, תכניס כמה שיותר מושגים טכניים בבקשה
) -
-
@רחמים נו נו, אם אתה לא רוצה זה זכותך לסרב...
אבל אין לי כרגע זמן וראש לקרוא קוד מקור ב-C כדי להבין איך הדברים עובדים... בכל מקרה, כל הכבוד!
רק תגיד לי, אתה משתמש בספרייות חיצוניות עבור זיהוי הטקסט, או שמימשת את הכל בעמצך?
במחשבה שנייה, מן הסתם התשובה יגרום לי לקנאות בך יותר...
-
@yossiz יש המון הסברים במדור ההסברים של tesseract בגיטהב, וגם במרחבי הרשת.
צדקת, מימשתי הכל בעצמי, וזאת בגלל שהתוכנה שלי מותאמת לכל שפה ובמיוחד לעברית, בשביל זה אין לי שום תלות בשום קוד חיצוני, וכל דבר אני יכול לתקן ולשפר אם צריך.וכמו שאמר יוסף, בלעדי! האלקים יענה את שלום פרעה.
כך גם אני [מזרעה דיוסף כאתינא] זו לא חכמה שלי אלא של האלוקים
-
-
חידושים בתוכנה לזיהוי תוים OCR גירסה 2.54
-
בקהילה שלנו רצינו להקים ספרייה דיגיטלית עם חיפוש בספרים של מוהרא"ש, (אשר בנחל, אלפי קונטרסים, וכו וכו) אלא שמאות ספרים רק סרוקים. חיפשנו תוכנה לOCR חלקם טובות חלקם פחות, וזה לא התאים כל כך למה שאנחנו צריכים
אבל מאז התחלנו לעבוד עם התוכנת זיהוי תווים של רחמים, הכל פשוט רץ במהירות באיכות בדיוק כזה ששום תוכנה אחרת לא סיפקה לנואנחנו עובדים יום יום על התוכנה הזו לפענח עוד ספרים ועוד ספרים
-
-
האם בספרים מודרניים (שהוקלדו במחשב) התכנה שלך מגיע לקרוב למאה אחוז דיוק, בכל סוגי הפונטים והעימודים? זה מה שהייתי מצפה, ואני חושב שפינדרידר פחות או יותר עושה את זה.
-
לגבי ספרים ישנים, אני חושב שניתן לחלק אותם ל10-20 לכל היותר סוגים של גופנים+עימוד (כולל צפיפות גופן וכדו') למעט חריגים, ובעיקר של סגנון שפה ואוצר מילים. (תנכ"י, חזל"י, רבני וכו').
הייתי חושב שהדרך האידיאלית זה לקחת מדגם של ספרים כאלו, לייצר לכל אחד מילון מותאם אישית באופן שתיארת. ובפעם הבאה שאינ סורק ספר - לעבור עליו 3 שניות כדי להחליט לאיזה "פרופיל" הוא מתאים ולסרוק בהתאם, עם תוצאות מיטביות.
התכנה שלך מאפשרת את זה? א"כ, למה שלא תשקיע קצת ותביא דבר כזה מובנה?
נ.ב. אם תיקח את זה ברצינות, יתכן שאוכל לתווך לך מישהו שיוכל לתרום יכולות מתקדמות לנושא של אוצר מילים וסגנון שפה בספרים ישנים.
-
-
@davidnead אמר בתוכנה לזיהוי טקסט בעברית (OCR):
-
האם בספרים מודרניים (שהוקלדו במחשב) התכנה שלך מגיע לקרוב למאה אחוז דיוק, בכל סוגי הפונטים והעימודים? זה מה שהייתי מצפה, ואני חושב שפינדרידר פחות או יותר עושה את זה.
-
לגבי ספרים ישנים, אני חושב שניתן לחלק אותם ל10-20 לכל היותר סוגים של גופנים+עימוד (כולל צפיפות גופן וכדו') למעט חריגים, ובעיקר של סגנון שפה ואוצר מילים. (תנכ"י, חזל"י, רבני וכו').
הייתי חושב שהדרך האידיאלית זה לקחת מדגם של ספרים כאלו, לייצר לכל אחד מילון מותאם אישית באופן שתיארת. ובפעם הבאה שאינ סורק ספר - לעבור עליו 3 שניות כדי להחליט לאיזה "פרופיל" הוא מתאים ולסרוק בהתאם, עם תוצאות מיטביות.
התכנה שלך מאפשרת את זה? א"כ, למה שלא תשקיע קצת ותביא דבר כזה מובנה?
נ.ב. אם תיקח את זה ברצינות, יתכן שאוכל לתווך לך מישהו שיוכל לתרום יכולות מתקדמות לנושא של אוצר מילים וסגנון שפה בספרים ישנים.
-
אם הכתב ברור אפשר להגיע גם למאה אחוז דיוק, מה עושה את הכתב פחות ברור? אותיות דבוקות, שבורות, מרוחות, דומות מאוד אחת לשניה בגלל איכות ירודה של הסריקה וכדומה.
וזה מה שכתב לי אחד הלקוחות:
מתוך 50 עמודים שפענחתי היו עד כה 2 טעויות (ספר בן 40 שנה...) מקצועי במיוחד!!!
המלצות נוספות ראה באתר שלי כאן -
כבר כיום ניתן לבנות מילון מותאם אישית לספר מסויים ולהשתמש בו שוב ושוב בספרים דומים, כמו כן ניתן לבנות מילון בסיסי עבור סגנון מסויים של ספרים, ולהשתמש בו כתבנית עבור בניית מילונים שיהיו מבוססים עליו עם תוספת של התאמה לספר שיש בו יחודיות כל שהיא.
אני משקיע כל הזמן בתוכנה וכל הזמן משפר אותה גם בדיוק הפיענוח, גם בחויית משתמש, וגם במהירות הפיענוח, והוספת פיצ'רים חשובים.
אשמח לשיתוף פעולה, היה בקשר במייל.
-
