Предыдущая страница реферата | 1  2  3  4  5  6  7  8  9  10 | Следующая страница реферата

. форматирование текста.
Но нас интересуют не столько предлагаемые функции (они практически одинаковые), сколько отличия для пользователя в работе данных программ. Для этого мы проведем исследование по пунктам, которые являются основными для пользователя.

Скорость и качество

Эти характеристики являются одними из самых критичных в применении данных программ, т. к. распознавание должно экономить время, затраченное на страницу текста, а складывается оно в итоге из скорости и качества.
Скорость - это время, необходимое самой программе на распознавание, а от качества зависит, придется ли вам исправлять полученный текст и насколько время исправления меньше времени набора того же самого текста. Как показывает опыт, качество напрямую зависит от исходного материала, а также от уровня интеллекта программы распознавания.
Для начала мы посмотрим, как программы будут распознавать страницу, не содержащую ничего, кроме обычного текста. Затем рассмотрим несколько вариантов различной сложности.
Для этого мы берем лист формата А4 с текстом, распечатанным на лазерном принтере, сканируем его в черно-белом режиме с разрешением 300 точек на дюйм и сохраняем в формате TIFF (с этими параметрами будут отсканированы и остальные образцы, взятые для тестов).
|[pic] |
| |
| Рис. 3. Вот так выглядит взятый для проверки текст. Здесь нет каких-либо |
|трудностей для распознавания, однако… |
| |

Теперь мы открываем это изображение в Fine Reader 5.0, выделяем область для распознавания и нажимаем кнопку "Распознать". На этот процесс у программы уходит около 4 с. Производим подобную операцию в Cuneiform 2000 и спустя 8 с получаем распознанный текст.
Таким образом, Fine Reader 5.0 работает быстрее, чем Cuneiform 2000. Теперь о качестве: первая программа совершила только одну ошибку (рис. 4), ну а вторая ошиблась только поставив ненужный пробел (рис. 5).
|[pic] |
|[pic] |
| |
| Рис. 4. Распознанная страница в программе Fine Reader 5.0. Теперь, нажав |
|на кнопку «Проверить», вы можете вручную исправить имеющиеся ошибки или |
|просто просмотреть места, которые распознались «неуверенно». |
| Рис. 5. Распознанная страница в программе Cuneiform 2000. Прежде чем |
|переходить к следующему изображению, необходимо сохранить или передать в |
|другую программу полученный текст. |
| |

Теперь давайте посмотрим, какая картина будет, если мы возьмем для распознавания разворот учебника с формулами.
|[pic] |
| |
| Рис. 6. Пример для распознавания учебника. Прежде чем распознавать, эту |
|картинку пришлось поворачивать. Такую операцию не обязательно проводить |
|средствами Photoshop, с ней легко справляются наши программы. |
| |

Производим распознавание и видим, что Fine Reader затратил около 43 с, а
Cuneiform - порядка 18 с.
Интересно: Fine Reader здесь показал не лучший результат по скорости, но по качеству - у него преимущество. Судите сами: в основном ошибки распознавания оказались только в формулах, а Cuneiform умудрился совершить их и в тексте.
|[pic] |
|[pic] |
| |
| Рис. 7. Это распознанная страница учебника в Cuneiform. Да-с… придется |
|еще постараться для того, чтобы «довести до ума» этот материал. |
| Рис. 8. Типичная картина после распознавания текста. Опять эти формулы |
|писать… |
| |

Другой не менее интересный тест на скорость и качество - распознавание ксерокса учебника, причем для него мы возьмем два варианта: хорошего и плохого качества.
При распознавании хорошего ксерокса (рис. 9) Fine Reader вновь оказался впереди - 4 с, а Cuneiform - 5 с.
|[pic] |
| |
| Рис. 9. Так выглядит образец хорошего ксерокса. Чтобы его получить, надо |
|либо пользоваться хорошей аппаратурой, либо настроить ее на нужный |
|контраст. |
| |

Посмотрев на распознанный текст, можно сказать, что Fine Reader не на много, но все же лучше справился с задачей. Cuneiform не смог распознать правильно букву "Ц", а цифру ноль посчитала буквой "О".
|[pic] |
|[pic] |
| |
| Рис. 10. Стоит исправить две-три ошибки, и текст готов. Fine Reader 5.0 |
|неплохо поработал. |
| Рис. 11. Такого типа ошибки, как сейчас совершил Cuneiform 2000 Master, |
|раньше были у Fine Reader 4.0. |
| |

Теперь давайте посмотрим, какие результаты у нас получатся, если распознавать ксерокс плохого качества.
|[pic] |
| |
| Рис. 12. Так выглядит наш образец плохого ксерокса. Имея достаточно |
|терпения и знания, его можно было бы улучшить, используя возможности |
|Photoshop. |
| |

Fine Reader - 1 мин 48 с, а Cuneiform - около 30 с. Тут явно проиграл Fine
Reader. Посмотрим, что же удалось распознать нашим участникам. Картина явно меняется: Cuneiform за 30 с со всей страницы едва ли распознал правильно более одного-двух десятков слов. С Fine Reader, несмотря на плохое качество исходного материала, было получено максимальное количество распознанного текста, который, имея оригинал, можно было бы привести в нормальный вид. А пользователям Cuneiform пришлось бы набирать весь текст вручную. Тише едешь
- дальше будешь.
|[pic] |
|[pic] |
| |
| Рис. 13. Cuneiform не справился с задачей, и такой текст нельзя считать |
|распознанным. |
| Рис. 14. Сравните этот текст с текстом, полученным в Cuneiform 2000, и вы|
|поймете, насколько лучше Fine Reader справился с таким нелегким делом. |
| |

Итак, показатель времени распознавания у программ совершенно разный, и сказать, какой из них быстрее, довольно сложно. Однако нельзя не заметить, что у Fine Reader 5.0 время распознавания напрямую зависит от качества оригинала: она старается распознать максимально много и поэтому затрачивает больше времени на распознавание изображения плохого качества. Ну а у
Cuneiform 2000 время распознавания не настолько зависит от качества оригинала, поэтому распознавание занимает меньше времени, но из-за этого страдает качество. Вывод: Fine Reader 5.0 лучше всего использовать при распознавании как хорошего, так и плохого исходного материала. Ну, а
Cuneiform 2000 в лучшем свете выглядит при распознавании среднего и чуть выше среднего качества оригиналов, т. к. при этом он тратит время на распознавание гораздо меньше, а качество лишь немного уступает победителю данного теста - Fine Reader.

Таблицы и формы

На этом этапе мы рассмотрим, насколько точно будет производиться определение таблиц и форм. Для того чтобы провести его более точно, мы возьмем два основных вида таблиц и один документ договора.
|[pic] |
| |
| Рис. 15. Пример простой таблицы. Такого типа таблицы очень часто |
|встречаются в экономической литературе и справочниках. |
| |

Для первого примера мы используем небольшую таблицу (рис. 15).
|[pic] |
|[pic] |
| |
| Рис. 16. Результат распознавания Fine Reader 5.0 — здесь требуется |
|доработка. |
| Рис. 17. Результат распознавания Cuneiform 2000 наиболее близок к |
|оригиналу. |
| |

Таким образом, мы получили две идентичные таблицы (за исключением форматирования), недостатки которых в наших программах следующие: в Fine
Reader 5.0 каждая ячейка заканчивается ненужным вводом (рис. 16), а
Cuneiform 2000 (рис. 17) сохраняет разбивку на строки за счет вставки символа "конец строки" (Shift+Enter в MS Word).
Теперь можно взять более сложную таблицу (рис. 18).
|[pic] |
| |
| Рис. 18. Сложная таблица — линии в ней не все явно заданы. |
| |

При попытке разметить ее автоматически только Fine Reader нашла здесь какое- то подобие таблицы, ну а Cuneiform 2000 вообще решил, что здесь находится только текст. И только после того как вручную выделили табличный блок, программы решили распознавать таблицу.
Результаты распознавания мы видим на рис. 19, 20. Наиболее точно и близко к оригиналу у нас оказался Fine Reader 5.0, но все же не совсем так, как бы хотелось. Cuneiform 2000 вообще решил, что в таблице вся сетка должна быть полностью видимой - после таких распознаваний придется еще повозиться с таблицей достаточно основательно. Тем более Cuneiform 2000 еще не совсем точно распознал текст в самой таблице.
|[pic] |
|[pic] |
| |
| Рис. 19. Cuneiform 2000 таблицу, конечно, распознал, но вот только не так|
|уж близко к оригиналу, как Fine Reader 5.0. |
| Рис. 20. Довольно близко к оригиналу, но поработать еще придется. |
| |

Для того чтобы хорошо и наиболее точно распознавалась таблица, можно самому отредактировать вертикальные и горизонтальные линии таблицы до распознавания текста. Это доступно в обеих программах.
Проведя исследование на распознавание таблиц, мы переходим к формам. Что же мы в данном случае под ними понимаем? А все очень просто: анкеты, договора и прочие документы, содержащие достаточно сложное оформление. Если у вас возникает вопрос, а зачем такое исследование проводить, то очень просто привести пример из жизни. Вам нужно изменить текст договора или анкеты имеющегося у вас образца, а в электронном виде его у вас нет. Время на набор и оформление ограничено, поэтому приходится использовать программу распознавания.
Итак, покончим с лирикой и возьмемся за дело. Образцом для нашего теста послужит стандартный договор найма.
При автоматической разметке страницы на блоки возникает примерно такая же ситуация, как при определении сложной таблицы, поэтому мы всю страницу определяем единым текстовым блоком вручную. Это приходится делать, поскольку в Fine Reader страница разделяется на три блока, а в Cuneiform
2000 - порядка пятнадцати.
В Fine Reader спустя 50 с мы получаем уже готовый договор, ну а в Cuneiform
2000 ждем всего 10 с, но документ в результате требует исправлений.
Например, некоторые точки распознались запятыми, а вместо символа номер (№) получаем пару других символов, и точность распознавания самого текста немного страдает. Однако само форматирование договора в обеих программах сохранилось достаточно точно.
Результаты: при распознавании простой таблицы Cuneiform 2000 оказался лучше, чем Fine Reader 5.0.
При работе со сложной таблицей пришлось вручную определять блок таблицы, т. к. при автоматическом определении блоков обе программы ее не опознали вообще как таблицу. Когда это, наконец, произошло, обе полученные таблицы требовали довольно серьезной редакции, но все-таки Fine Reader показал лучший результат.
|[pic] |
| |
| Рис. 21. Образец стандартного договора. Отличается от обычного текста в |
|основном тем, что имеет более сложное форматирование, определенные нормы |
|составления. |
| |

При распознавании договора (или формы) он же вышел на первое место, правда, при этом затратил в пять раз больше времени, чем Cuneiform 2000, зато распознал более точно, и нам меньше надо было бы править (достойное применение для работы этих программ).

Блоки

Не последнее место при работе с программами распознавания занимает автоматическая разбивка на блоки. В автоматическом режиме на разбивку тратится несколько секунд, а в ручном - гораздо больше времени.
Для начала возьмем изображение нашего договора. Как уже говорилось,
Cuneiform 2000 разбил этот единый документ на множество блоков, а Fine
Reader только на 3 части, и в них не вошли лишь последние точки в документе
(ей можно в принципе доверять). Для нормального распознавания в наших программах таблицы в тексте (тем более, если она не простая) лучше всего ее выделять самостоятельно. Ну а если она похожа на первый образец, то можно спокойно не обращать на нее внимание, т. к. она правильно определится обеими программами. И все-таки программа Fine Reader здесь тоже выходит на первое место: она наиболее точно определяет тип распознаваемых блоков и распределяет их тоже не плохо.
Для примера возьмем разворот учебника с картинками и посмотрим, как справятся наши программы с разбивкой на блоки.
|[pic] |
| |
| Рис. 22. достаточно сложный для определения и распознавания разворот |
|учебника. Справятся ли с ним наши программы? |
| |

Cuneiform 2000 нашел таблицу и около 30 текстовых блоков, причем некоторые выделяли область рисунков. После этого мы ожидали увидеть примерно такую же картину и в Fine Reader 5.0, но все иллюстрации были распознаны правильно
(хотя и не совсем точны были определены границы), текстовые блоки были выделены тоже достаточно корректно, ну а мифических таблиц эта программа не обнаружила, т. к. их действительно не было.
Да, для того чтобы нормально распознать текст в Fine Reader, нужно всего лишь немного поправить границы блоков и удалить ненужные, а в Cuneiform
2000 лучше задавать их вручную.
Проведенное испытание показало, что иногда лучше самому расставить и определить блоки, т. к. программе может быть не совсем понятно к какому типу относить получившийся блок. Наши программы в принципе неплохо справились с задачей, особенно Fine Reader, который не совершил грубых ошибок при распознавании блоков.

Распознавание цвета

Раньше программы распознавания требовали только черно-белых (1-битовых) изображений в разрешениях, близких к 300ґ300 dpi. Теперь программы фирм
ABBYY и Cognitive Technologies Ltd., позволяют распознавать серые и цветные изображения с разрешениями от 200 до 600 dpi. Осталось только проверить, насколько хорошо они это делают.
Для проведения данного теста мы возьмем первую страницу цветной газеты, отсканируем ее в 24-битном режиме (16,5 млн цветов) и постепенно будем уменьшать цветность. В данном тесте нас будут интересовать результаты времени распознавания и качество, а также их зависимость от количества цветов.
|[pic] |
| |
| Рис. 23. Так выглядит первая страница газеты в цвете, осталось только ее |
|распознать. |
| |

Теперь полученный 23-мегабайтный файл загружаем в наши программы распознавания. Сначала разбиваем его на блоки автоматическим путем.
Смотрим, что у нас получилось: Fine Reader без особого труда с маленьким недочетом (упустил одну букву) определил все блоки, причем правильно, а
Cuneiform 2000 опять нашел несуществующую таблицу, но в целом все остальное определил неплохо.
Переходим ко второй стадии - распознаванию. Fine Reader - 34 с, Cuneiform -
52 с! Невероятно, но факт. Fine Reader, помимо высокой скорости, еще и очень качественно распознал данную страницу (совершив всего несколько ошибок, распознав даже белый текст на черном фоне), особенно по сравнению с
Cuneiform, который не смог распознать большую часть текста. Кроме того,
Fine Reader вырезал картинку без примеси текста! Таких результатов от Fine
Reader мы не ожидали.
Теперь понижаем цветность с 16,5 млн до 256 цветов и смотрим, изменится ли картина распознавания. Для Fine Reader ситуация с определением блоков не изменилась, а вот у другой тестируемой программы проблема - она, похоже, не нашла текст. Будем считать, что программа Cuneiform 2000 провалила данный тест. Скорость распознавания у Fine Reader изменилась в сторону уменьшения: получилось около 27 с. Да, кстати, на этот раз программа вообще не ошиблась при определении блоков.
Ну и, наконец, последнее распознавание этого же изображения в режиме 256 градаций серого. С Cuneiform 2000 опять та же проблема - не находит текст, опять провал. А вот Fine Reader не ударил в грязь лицом и спокойно распределил блоки с той же точностью. Процесс распознавания занял всего 24 с - превосходный результат!
|[pic] |
|[pic] |
| |
| Рис. 24. Посмотрите, как распознал такой текст (оригинал виден снизу) |
|Coneiform — продукт 2000 года! |
| Рис. 25. Ну а теперь сравните этот распознанный текст с полученным на |
|предыдущей картинке. |
| |

Ну а теперь можно подвести итоги проделанной работы. Бесспорным лидером нашего теста оказался Fine Reader 5.0 Pro, который победил почти во всех тестах программу Cuneiform 2000 Master. Качество распознавания у победителя бесспорно выше, особенно при плохих оригиналах. Скорость у него не сильно отстает, а иногда и превосходит своего конкурента. Как показали последние два теста, у Fine Reader отличная система распознавания блоков и цветного изображения.
Есть, конечно, и некоторые неудобства в обеих программах: надо проверять, а иногда и исправлять распознанные блоки, при больших объемах страниц. А в общем обе программы достаточно конкурентоспособны и еще будут бороться за первое место, но на данном этапе, как видите, Fine Reader лучше.

Рекомендуем скачать другие рефераты по теме: реферат япония, доклады о животны.





Предыдущая страница реферата | 1  2  3  4  5  6  7  8  9  10 | Следующая страница реферата