Отправлено: 09.12.04 17:07. Заголовок: проблемы OCR

Очень нужен мастер-класс по OCR. Я впервые этим занялась, у меня естессно тьма вопросов, и мне как-то неудобно грузить этим делом форум. То есть я могу, конечно, эти вопросы задать, ну начать по-крайней мере. Но 100% каждый ответ вызовет еще вопрос, и т.п. В связи с этим:

1) есть ли где хороший (душевный :) ФАК по ОКРу?
2) может быть какая нть добрая душа согласится поконсультировать меня в личной переписке?

Пока что первый вопрос самый простой. Где бы взять нормальный Finereader, или может быть другую подобную программу. Собсно у меня был замечательный, восхитительный ФР 3.0 - 20 мегов места занимает, памяти практисски не жрет, а пашет как трактор. И языки все понимает, даже такой интересный (и самый полезный!) язык как «русско-английский». Но увы, оказалось что он плохо крякнут, и когда у него вышел срок, он начал резать строки через одну при попытке сейвить файлы. Фот, комп у меня старый, диск весь забит, новую тяжеленную версию 7 ставить реально некуда (да и зачем, если 3 вполне годится). Кроме того, другие версии, боюсь, тоже будут криво крякнуты, ибо ABBYY славится отличной защитой. В общем, дайте плиз совет: какой программой/версией вы пользуетесь и где ее взять? Я собсно и купить могла бы лицензионную, раз уж на то пошло - но они ессно предлагают огроменного слонища 7.0, который просто раздавит своей тушей весь мой скромный компик :(. А всё кроме 7.0 «политика компании» им продавать запрещает. Прикиньте, я им позвонила, описала проблему, так они решили сделать исключение и пойти навстречу: лично мне продать версию 4.0 за $129 :).

Фот, такая грустная история.. И это только первый из вопросов...

А зато. Если вы мне поможете, то я вам начну материалы давать :). У меня уже куча мечтаний, что я хотела бы поокрить, было б чем...

 Отправлено: 09.12.04 17:11. Заголовок: Re: проблемы OCR

Эээ.. вы не думайте, что это только мечтания - я уже половину «Нюрнбергского дневника» Гильберта отсканила и все опечатки вычитала. И тут такой облом :(.

 Отправлено: 09.12.04 17:15. Заголовок: Re: Snarka

Самое простое: приехать и поучиться. Хотите? Есть возможность. Вы ведь, как я понимаю, в Москве? Мыло я указал (наконец-то не забыл после очередной переучтановки системы!) - напишите. Этот вопрос вполне решаемый.

 Отправлено: 09.12.04 17:50. Заголовок: Re: S.N.Morozoff

Вопросы по железу не глядя рассматривать сложно. Reader 7.0 я и сам не пользую. Обхожусь пятым, но есть и четвертый. Оба, само собой, работают нормально :) Мне, однако, из PDF ничего распознавать не надо.

Вообще по железу могу сказать такую вещь: На Intel Pentium Pro (был такой агрегат!) 200MHz (256Kb кэша 2 уровня на частоте ядра) на плате уровня FX-чипсета под управлением Windows NT 4.0 Workstation стоит 5-й ридер и вполне работает в смысле скорости. Это не Athlon1200, конечно, но работать вполне себе можно. Память: SIMM 72pin, 64Mb.

 Отправлено: 09.12.04 17:52. Заголовок: Re: проблемы OCR

Огромное спасибо за быстрый ответ! :) Я вам мыло напишу.

 Отправлено: 10.12.04 04:04. Заголовок: Re: проблемы OCR

вот тут посмотрите, может поможет что-то.

http://www.amyat.narod.ru/faq/faq.html

Каждая следующая версия ФР работает в несколько раз чище предыдущей. По крайней мере меньше 5 версии ставить не советую. У меня она занимала ~50мб.

Как вариант дОбычи копии ФР - ставится демоверсия и вся работа делаетс за сколько там ограничение стоит (было 15 часов или 15 запусков). Для продолжения работы придется систему с нуля переставлять.

Кряки 4/5/6 где-то должны быть.

 Отправлено: 10.12.04 05:39. Заголовок: Re: проблемы OCR

Спасибо! Правда, хороший ФАК (и даже с макросами).
Насчет кряков - пока попробую воспользоваться любезным предложением г-на Морозофф :).

 Отправлено: 10.12.04 10:19. Заголовок: Re: проблемы OCR

Хочу отметить, что после 15.XII я реанимирую раздел по подготовке текстов. Там будет учтен многолетний (sic!) опыт, естественно -- не только мой, в том числе очень полезные заметки А. Мятишкина, Змия, других товарищей (в т.ч. по djvu). Раздел будет разбит на две части -- собственно советы по оцифровке, общие, так сказать, и конкретно технологическая цепочка для Милитеры (понятно, что можно использовать и для других сайтов, занимающихся тем же).

 Отправлено: 10.12.04 11:23. Заголовок: Re: Snarka

Из собственного опыта: краком нужно воспользоваться ДО ТОГО, как истечет демо-срок. Никакие попытки сделать это после - ни к чему не привели (вариант переустановить систему не рассматривался). Единственно, что помогло, - это поставить другую версию. Система ее не знает, и все как бы начинается сначала.
Может, умельцы редактировать системный регистр могли бы подсказать что-то другое.
А вообще - не чурайтесь новых версий FR. Каждая из них делает меньше ошибок при распознавании, чемпредыдущая.

 Отправлено: 10.12.04 15:08. Заголовок: Re: Snarka

Здравствуйте!
Надежный кряк с инструкцией для 6-й версии могу выслать хоть сейчас. Ситуации Вашей можно только посочувствовать. Железо надо конечно улучшать. В принципе не так уж много и надо. Процессор - ок. 400 Мгц, винт 2 Гб.
Всего доброго.

 Отправлено: 10.12.04 15:32. Заголовок: Re: assaur

Кряк надежный можно мне отослать? Для коллекции: хоть и не пользую, но мало ли когда что пригодится?!. Не срочно, конечно, а как не лень будет.

 Отправлено: 12.12.04 10:52. Заголовок: Re: проблемы OCR

А что на http://www.forum.ru-board.com/ сложно найти соответствующий кряк ? до сих пор там находилось все что было нужно.
У меня сейчас стоит 7ой файнридер с русским модулем - 80метров на диске занимает (инсталятор 40 +10метров до языков и пр.).
Запускал правда всего пару раз - текст распознал отлично , вот только часть рисунков тоже решил прогнать как текст ( или схемы ) очень коряво выходит . Щас буду задачник по физике сканить ( нужно по учебе ) чувствую подучусь.

 Отправлено: 12.12.04 12:15. Заголовок: Re: bdfy

цитата

---

Запускал правда всего пару раз - текст распознал отлично

---

Во-во :))). Пару раз. Вы запустите 30 раз, а потом и посмотрим, насколько ваш кряк хорош. В том и проблема со всеми кряками продуктов ABBYY, с Лингвами разных версий у меня была та же история. Пжалста, и в инете кряки, и на дисках-сборниках везде эти программы валяются. И ставятся, и работают... некоторое время.

 Отправлено: 12.12.04 12:44. Заголовок: Re: Snarka

Это точно. Защита у них неплохая.

_{Нет таких крепостей, которые не взяли бы большевики...}

 Отправлено: 12.12.04 20:58. Заголовок: Re: проблемы OCR

Snarka
Вот лингво9 у меня точно стоит сполгода безпроблем и запускаю я его каждый день . Кряк рубородовский как раз.
Как максимум этот самый файнридер может стучаться на свой сервер пока вы в инете и проверять валидность серийника ( промт так делает , адманчер , лингво + еще куча прог) . Я правда пока не замечал этого , но файер все равно подобного не допустит :D Так что рекомендую Outpost,ZoneAlarm и тп

 Отправлено: 12.12.04 23:28. Заголовок: Re: проблемы OCR

ОК, спасибо, при случае вашу наводку попробую :)

 Отправлено: 14.12.04 04:38. Заголовок: Re: Snarka

Возможно детский лепет, но на время сканирования отключаю антивирус и программа начинает себя вести очень прилично.

 Отправлено: 14.12.04 13:49. Заголовок: Re: assaur

Честно говоря, не осознал, какая связь. Антивирус в резидентах существенно тормозит систему (потому его в принципе на резидента не вешаю) - это есть, а вот чтобы на кряках сказывался?.. Или что-то другое имелось в виду...

 Отправлено: 14.12.04 15:24. Заголовок: Re: S.N.Morozoff

Тонкостей не знаю. Где-что конфликтует определить не могу, но при включенном антивирусе отключался сканер. И не помогала даже переустановка программы сканера и «файна».

 Отправлено: 14.12.04 15:26. Заголовок: Re: assaur

Любопытно!..

 Отправлено: 25.12.04 04:41. Заголовок: Re: проблемы OCR

S.N.Morozoff пишет:

цитата

---

Честно говоря, не осознал, какая связь. Антивирус в резидентах существенно тормозит систему (потому его в принципе на резидента не вешаю) - это есть, а вот чтобы на кряках сказывался?.. Или что-то другое имелось в виду...

---

Вот вчитался внимательно в инстукцию к крэку:
3. Во время работы с Finereader’ом при включённом резидентном стороже SpIDer Guard антивируса DrWeb возможно зависание системы в момент сохранения документов по не зависящим от лоадера причинам.
У меня , правда висло при сканировании.

 Отправлено: 25.12.04 10:29. Заголовок: Re: проблемы OCR

Самый лучший FineReader, на мой взгляд, этой 6-й без кряка, он ставиться, работает и не жужжит. Вообще никаких проблем.

цитата

---

Честно говоря, не осознал, какая связь. Антивирус в резидентах существенно тормозит систему (потому его в принципе на резидента не вешаю) - это есть, а вот чтобы на кряках сказывался?.. Или что-то другое имелось в виду...

---

Это, наверное каспер, а доктор вэб работает не заметно, пока не нарвется на большой архив.

 Отправлено: 25.12.04 11:17. Заголовок: Re: проблемы OCR

Посоветйте арнтивирус!
Очень не доволен Касперским, пробовал ставить Norton - вообще «труба». Есть какой нибудь надежный и ненадоедливый?

 Отправлено: 25.12.04 12:40. Заголовок: Re: assaur

Dr. Web нормально работает. Это до 4.31 версии. Потом 4.32 начал денег просить, и я впросто в 4.31 переписываю базы от нового.

 Отправлено: 25.12.04 17:12. Заголовок: Re: amyatishkin

Doctor Web.
Касперского, говорят, ежели настроить!.. У меня ни разу не получилось его настроить так, чтобы он перестал тормозить.
Но вообще-то я давно уже не ставлю антивирус в резидентах. А нерезидентно - да все равно, вообщем-то, какой. Просто к DrWeb я давно привык.

 Отправлено: 25.12.04 22:01. Заголовок: Re: S.N.Morozoff

Андрею и Сергею.
Спасибо за совет!

 Отправлено: 26.12.04 06:47. Заголовок: Re: проблемы OCR

ребяты - работал с фаняридерами с 4 по 7 все крякнутые естественно. Что-то таких траблов не видел пахали и пахали. Не вру у мужика одного слетал 6 при переходе на новый год. Систему не надо переустанавливать - в реестре его вычистить надо он там вроде в одном месте все пишет в папку свою ее и грохаете в реестре. Где-то на болванах все эти версии есть - если очень нужно можно передать. 7 конечно лучше 4 но в основном на сложных местах - типа таблицы жрет лучше. Еще учтите что если шрифт идет с обычного листа А4 то можно сканировать с 200 дпи а мелкий шрифт и 400 может потребовать. Весьма полезна уборка мусора и подчистка ластиком всякой бяки (например снос черноты по центру и краям скана заметно уменьшает размер) нужно также подправлять разметку - фаня иногда мудрит особливо при наличии картинок и грязи

 Отправлено: 26.12.04 18:39. Заголовок: Re: constantin

Все так, конечно. Но все-таки это отличная программа!
Кстати 6 и 7 версии иногда и заголовки пропускают. О таблицах и не говорю, - я обычно их выделяю текстовым блоком, затем правый щелчок и «анализ таблицы». Не совсем удобно, но зато наверняка. Хотя и это требует дополнительной обработки.

 Отправлено: 26.12.04 18:53. Заголовок: Re: assaur

А таблицы помечаю как таблицы и потом прочерчиваю отдельно каждую вартикальную и горизонтальную линии. Кроме габаритных, естественно.
Фокусы типа одна общая «шапка» на две колонки потом приходится делать вручную.

 Отправлено: 26.12.04 19:23. Заголовок: Re: проблемы OCR

Ответ неверный.
Самое хитрое - есть на вкладке «Распознавание» в опциях у таблиц галки «нет объединенных ячеек» и «одна строка в ячейке».
Потом остается объединять строки (просто стащить линий в соседнюю ячейку) и ячейки (выделяется несколько, правый клик и объединить ячейки)
А настоящие проблемы появляются, когда в таблице сделано заполнение строки точками - ФР ее на распознает. Приходиться или ластиком вытирать точки, или поверх таблицы кидать еще один текстовый блок и из него вытаскивать текст по ячейкам.

 Отправлено: 27.12.04 06:00. Заголовок: Re: проблемы OCR

amyatishkin пишет:

цитата

---

Потом остается объединять строки (просто стащить линий в соседнюю ячейку) и ячейки (выделяется несколько, правый клик и объединить ячейки)

---

Вот это я и назвал «делать вручную», имея в виду - уже в Ворде.

А в самом файнридере проходит выделение блоков «рисунок» или «текст» в отдельных ячейках таблицы. И даже комбинация текста с рисунками. Так я передавал в Ворд всякого рода специальные символы, имеющиеся в оригинале.

 Отправлено: 27.12.04 11:09. Заголовок: Re: проблемы OCR

amyatishkin , каждая новая версия доктора вэба требует новый ключ, даже если переходить с 4,31а на 4,31b в этом и есть его неудобство, хоть бери да покупай. Кстати у меня где-то был ключ к 4.32а, если надо могу выслать.

 Отправлено: 27.12.04 17:07. Заголовок: Re: проблемы OCR

MacShley пишет:

цитата

---

А в самом файнридере проходит выделение блоков «рисунок» или «текст» в отдельных ячейках таблицы. И даже комбинация текста с рисунками. Так я передавал в Ворд всякого рода специальные символы, имеющиеся в оригинале.

---

Очень интересно! А вот такой случай (чаще встречается в старых книга): в одной из вертикальных граф идет перечисление
431 шап
765 шап
434 иап
2 гиап
далее все это обобщается справа одной общей фигурной скобкой. Это как-то можно отразить в тексте?

 Отправлено: 27.12.04 17:34. Заголовок: Re: проблемы OCR

assaur пишет:

цитата

---

Очень интересно! А вот такой случай (чаще встречается в старых книга): в одной из вертикальных граф идет перечисление

---

Вертикальная черта, чтоб пришлась на скобку, а потом делать объединение ячеек по правой кнопке мауса.

 Отправлено: 27.12.04 23:00. Заголовок: Re: assaur

Я бы сделал так:
скобку объявить картинкой;
в Ворде межстрочный интервал соответствующего такста подогнать под размер скобки или размер картинки со скобкой под высоту текста.

ИЛИ:

объявить картинкой все вместе: и скобку, и текст, который она объединяет. Я так делал, когда сканировал большие рисунки со многими надписями. Это делалось для перевода, который должен был сохранять верстку страницы. Большая возня при этом - заменять надписи их переводом с использованием textbox’ов

 Отправлено: 28.12.04 22:28. Заголовок: Re: Zealot

А в чем неудобство? Покамест дополнительные базы данных для версии 4.32 вполне ложатся на версию 4.30 - на хрена козе баян? В смысле, зачем обновлять версию?

 Отправлено: 28.12.04 22:35. Заголовок: Re: constantin

Для мелкого шрифта неплохо помогает также сканирование с увеличением. Особливо касается тех, у кого сканер с верхним пределом в 300dpi. Ставим масштаб в 150% (а вообще из опыта и размера шрифта) и все вполне проходит.

К скану же. Основная рабочая лошадка моя для текстов - HP Scanjet IIP образца 1991г. Великий аппарат! Цвета он не поддерживает (только grayscale), разрешение верхнее - 300 dpi. И контроллер к нему нужен. Но орел!.. Купили его года три назад, как хлам (контроллер дороже вышел в итоге), но с тех пор я на него молюсь.

 Отправлено: 28.12.04 22:47. Заголовок: Re: Zealot

Отставить проверку архивов!

 Отправлено: 28.12.04 22:48. Заголовок: Re: assaur

Это называется «Прочтите же, наконец, инструкцию!» Анекдот такой есть.

 Отправлено: 29.12.04 09:10. Заголовок: Re: S.N.Morozoff

Сколько, интересно, такое чудо стоило в 1991 году? 10-20 штук баксов?
И какая скорость сканирования выходит?

 Отправлено: 29.12.04 16:00. Заголовок: Re: amyatishkin

Вот сколько он тогда стоил - не скажу, но думаю, первые тысячи гриновых. Все же не А3. А купили мы его за $10, потому как хлам, хотя и рабочий. Контроллер к нему (новый, кстати, TEKRAM то ли 370, то ли 390, обошелся в примерно $20).

Про скорость сканирования: время сканирования всей области (немного больше, чем А4) в двухцветном режиме (Black&White) при масштабе 100% и разрешении 300dpi - ровно 14 секунд (от момента нажатия на кнопку «Scan», т.е с подготовкой и без возврата лампы в исходное положение - только что специально замерил). Разворот книги как правило несколько меньше А4, так что получается даже побыстрее - секунд 10-12. Размер файла формата TIFF 5.0 при этом - 1,1 Mb (при сканировании реальных книг - меньше мегабайта из-за размера).

Сканер вообще сделан грамотно - прижим очень прилично обеспечивается крышкой. Очень легко расположить разворот ровно. На худой конец, в сочетании с двумя аккумуляторами для UPS (прижим разворота) - начисто отпадает чернота по краям страницы даже при плохом переплете.

Для примера: не так давно сканил обещанные Hoaxer’у брошюры (всего три): 32 стр., 72 стр., 81 стр. и одну (32 стр.) для себя. Уложился за час с небольшим. Войдя в раж сканирования, решил добить начатую раньше стенограмму процесса Ф.Г. Пауэрса, 1960г. издания (оставалось еще 180 стр.). Еще за час с небольшим сделал (переплет здорово мешал, пришлось расшивать).

В общем, классная машинка.