Формалізація та первинна експериментальна перевірка адаптивного підходу до вибору OCR послідовності для розпізнавання тексту на зображеннях
DOI:
https://doi.org/10.15407/fmmit2026.42.158Ключові слова:
оптичне розпізнавання символів, OCR, попередня обробка зображень, Tesseract, EasyOCR, PaddleOCR, RapidOCR, AmazonTextract, CER, WER, інтегральна оц інкаАнотація
У статті розглянуто задачу виб ору послідовності розпізнавання тексту на зображеннях із урахуванням методів попередньої обробки та особливостей сучасних OCR моделей . На прикладі тестового зображення проілюстровано, що різні методи попередньої обробки можуть змінювати результат OCR розпі знавання У роботі запропоновано методику адаптивн ого експериментальн ого підх о д у до вибору алгоритм у послідовності розпізнавання тексту шляхом комбінування різних методів попередньої обробки зображень та сучасних OCR моделей. У межах первинн ої експериментальн ої перевірк и використано OCR моделі :Tesseract, EasyOCR, PaddleOCR, RapidOCR та AmazonTextract. Запропонований підхід передбачає вибір конфігурації за схемою: тип зображення метод попередньої обробки OCR модель оцінювання результатів вибір найкращої послідовності розпізнавання.
Оцінювання ефективності виконується за інтегральною оцінкою побудованою на основі метрик CER, WER , час у обробки , показника впевненості моделі та оцінки нечіткого зіставлення Отримані результати мають попередній характер і розглядаються як основа для подальшого розширеного експериментального дослідження.
Посилання
Wang X.-F., He Z.-H., Wang K., Wang Y.-F., Zou L., Wu Z.-Z. A survey of text detection and recognition algorithms based on deep learning technology // *Neurocomputing*. – 2023. – Vol. 556. – Article 126702. DOI: 10.1016/j.neucom.2023.126702.
Smith R. An Overview of the Tesseract OCR Engine // *Proceedings of the Ninth International Conference on Document Analysis and Recognition (ICDAR 2007)*. – Curitiba, Brazil, 2007. – P. 629–633. DOI: 10.1109/ICDAR.2007.4376991.
Cui L., Xu Y., Lv T., Wei F. Document AI: Benchmarks, Models and Applications // *arXiv preprint*. – 2021. DOI: 10.48550/arXiv.2111.08609.
Appalaraju S., Jasani B., Kota B. U., Xie Y., Manmatha R. DocFormer: End-to-End Transformer for Document Understanding // *Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)*. – 2021. – P. 993–1003.
Baviskar D., Ahirrao S., Potdar V., Kotecha K. Efficient Automated Processing of Unstructured Documents Using Artificial Intelligence: A Systematic Literature Review and Future Directions // *IEEE Access*. – 2021. – Vol. 9. – P. 72894–72936. DOI: 10.1109/ACCESS.2021.3072900.
Subramani N., Matton A., Greaves M., Lam A. A Survey of Deep Learning Approaches for OCR and Document Understanding // *arXiv preprint*. – 2020. DOI: 10.48550/arXiv.2011.13534.
Long S., He X., Yao C. Scene Text Detection and Recognition: The Deep Learning Era // *International Journal of Computer Vision*. – 2021. – Vol. 129. – P. 161–184. DOI: 10.1007/s11263-020-01369-0.
Raisi Z., Naiel M. A., Fieguth P., Wardell S., Zelek J. Text Detection and Recognition in the Wild: A Review // *arXiv preprint*. – 2020. DOI: 10.48550/arXiv.2006.04305.
Kim G., Hong T., Yim M., Nam J., Park J., Yim J., Hwang W., Yun S., Han D., Park S. OCR-Free Document Understanding Transformer // *Computer Vision – ECCV 2022*. – *Lecture Notes in Computer Science*. – Cham: Springer, 2022. – Vol. 13688. – P. 498–517. DOI: 10.1007/978-3-031-19815-1_29.
Kshetry R. L. Image Preprocessing and Modified Adaptive Thresholding for Improving OCR // *arXiv preprint*. – 2021. DOI: 10.48550/arXiv.2111.14075.
Otsu N. A Threshold Selection Method from Gray-Level Histograms // *IEEE Transactions on Systems, Man, and Cybernetics*. – 1979. – Vol. 9, No. 1. – P. 62–66. DOI: 10.1109/TSMC.1979.4310076.
*Quality Assurance in OCR-D: Evaluation Specification*. – OCR-D Documentation. – 2022.
*Recommendation ITU-R BT.601-7. Studio Encoding Parameters of Digital Television for Standard 4:3 and Wide-Screen 16:9 Aspect Ratios*. – Geneva: International Telecommunication Union, 2011. – 20 p.
Gonzalez R. C., Woods R. E. *Digital Image Processing*. – 4th ed. – New York: Pearson, 2018. – 1168 p.
Tekalp A. M. *Digital Video Processing*. – 2nd ed. – Hoboken: Prentice Hall Press, 2015. – 624 p.
Zuiderveld K. Contrast Limited Adaptive Histogram Equalization // *Graphics Gems IV* / ed. by P. S. Heckbert. – San Diego: Academic Press, 1994. – P. 474–485. DOI: 10.1016/B978-0-12-336156-1.50061-6.
*EasyOCR: Ready-to-use OCR with 80+ Supported Languages*. – GitHub repository.
*PaddleOCR: Turn Any PDF or Image Document into Structured Data for Your AI*. – GitHub repository.
*RapidOCR: Open Source OCR Tool for Multi-Platform and Offline Deployment*. – GitHub repository.
*Amazon Textract Developer Guide*. – Amazon Web Services Documentation.
*AnalyzeDocument – Amazon Textract API Reference*. – Amazon Web Services Documentation.
Wagner R. A., Fischer M. J. The String-to-String Correction Problem // *Journal of the ACM*. – 1974. – Vol. 21, No. 1. – P. 168–173. DOI: 10.1145/321796.321811.
Hwang C.-L., Yoon K. *Multiple Attribute Decision Making: Methods and Applications. A State-of-the-Art Survey*. – Berlin; Heidelberg; New York: Springer-Verlag, 1981. – 259 p. DOI: 10.1007/978-3-642-48318-9.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Христина Грицай, Оксана Грицай, Ольга Терендій (Автор)
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
