OCR - что и как?

[bogong]

Столкнулся с проблемой: нужно атоматизировать процесс распознания текста получаемого от пользователя в виде картинок и выкладывать его на сайте в виде HTML или засовывать полученное в базу данных ... Основная проблема в том что ничего пристойного под Unix-образную систему я не нашел. все программы написанные под Unix-образные системы рядом не стоят с ABBYY Finereader. Единственно возможное решение это сделать связку машин: одна - Ubuntu (на ней основноые вещи сайта) и вторая - Windows (на ней установлена только софтина для распознания текста). И вопрос таков - как это все дело связать чтоб это работало без вмешательства оператора? Как сделать так чтоб сервак получал картинку с текстом, отдавал её друкой машине под управлением Windows, на которой в атоматическом режиме происходило распознание текста и сохранение его в файл, потом головной сервер забирал и виндовой машины результат распознания и вкрячивал это либо в HTML либо в MySQL ... Буду рад любой информации ... Надоело руками перепахивать огромное количество информации ...

[sciko]

Tesseract

[bogong]

Tesseract

А может ли он работать под Unix-образными системами?

[luu]

Tesseract

А может ли он работать под Unix-образными системами?

Может. Но тому же FineReader'у и в подметки не годится.
Думаю, даже не стоит пробовать организовать более-менее внятную систему распознавания на linux-машине.

Изначальный ход мыслей мне кажется правильным (распознавание под окнами, все остальное - нет).
Но. к сожалению, как это организовать я не знаю.
Будем надеяться тот, кто сможет направить на путь истинный, найдется.
Мне тоже очень интересна эта тема.

[sciko]

А может ли он работать под Unix-образными системами?

Он под них и разрабатывался.

Но тому же FineReader'у и в подметки не годится.

Ты просто не умеешь его использовать.

[luu]

Но тому же FineReader'у и в подметки не годится.

Ты просто не умеешь его использовать.

Но. к сожалению, как это организовать я не знаю.

Вот и молчи. Всё равно ты ничего не знаешь и не умеешь.

Пруфлинк на то что Tesseract хотя бы сопоставим с FineReader по возможностям есть?

[sciko]

Это пойдёт? Старое конечно (сейчас в тессе уже есть page layout analysis + языков побольше), но оценить уровень возможностей вполне можно.

[bogong]

Это пойдёт? Старое конечно (сейчас в тессе уже есть page layout analysis + языков побольше), но оценить уровень возможностей вполне можно.

Мне в общем и целом этого достаточно. А можно ли это запускать фоном из скрипта? Т.е. иными словами мне нужно чтобы ПХПэшный скрипт сваливал картинку на сервак, который в свою очередь запускал эту прогу с предопределенными параметрами в консольном режиме и ваваливал текст ...

[luu]

Это пойдёт? Старое конечно (сейчас в тессе уже есть page layout analysis + языков побольше), но оценить уровень возможностей вполне можно.

Нет. Это не пойдет. Потому что, например, здесь написано, что Finereader лучше!

Можно достоверный пример распознавания сложноформатированной страницы (включая картинки, таблицы, схемы и текст разных стилей) в сравнении Tessaract vs Finereader, с очевидным превосходством (ну или хотя бы тем же уровнем) Tessaract?

[sciko]

Потому что, например, здесь написано, что Finereader лучше!

Так ты ещё и читать не умеешь!

Можно достоверный пример распознавания сложноформатированной страницы (включая картинки, таблицы, схемы и текст разных стилей) в сравнении Tessaract vs Finereader, с очевидным превосходством (ну или хотя бы тем же уровнем) Tessaract?

Мне лень. Попробуй сам.

[luu]

Потому что, например, здесь написано, что Finereader лучше!

Так ты ещё и читать не умеешь!

Неужели я пропустил где-то там надпись мелким шрифтом "Вот мы такие замечательные, а Tessaract все равно лучше!"?


... удалено ...
Модератор

[sciko]

А можно ли это запускать фоном из скрипта? Т.е. иными словами мне нужно чтобы ПХПэшный скрипт сваливал картинку на сервак, который в свою очередь запускал эту прогу с предопределенными параметрами в консольном режиме и ваваливал текст ...

Собственно так она и работает.
Пример запуска из мана: tesseract image.bmp output -l rus
Не забудь установить русский язык.

Можно ещё побеспокоить cuneiform (есть в репах), но он не очень стабилен, т.к. его сейчас всё ещё чистят от последствий проприетарного жития.

[bogong]

А можно ли это запускать фоном из скрипта? Т.е. иными словами мне нужно чтобы ПХПэшный скрипт сваливал картинку на сервак, который в свою очередь запускал эту прогу с предопределенными параметрами в консольном режиме и ваваливал текст ...

Собственно так она и работает.
Пример запуска из мана: tesseract image.bmp output -l rus
Не забудь установить русский язык.

Можно ещё побеспокоить cuneiform (есть в репах), но он не очень стабилен, т.к. его сейчас всё ещё чистят от последствий проприетарного жития.

sciko - спасибо ..., буду пробовать ... О результатах танцев с бубном отпишусь ..., но думаю это будет через месячишко ...

[kostryukov]

Код: [Выделить]

tesseract image.bmp output -l rus
а где взять этот самый rus

ну гуглкоде есть rus.traineddata.gz, но он не подходит почему то, или я что не так делаю