Daha təmiz OCR nəticələrini necə əldə edə bilərsiniz?

1. Ən yaxşı mövcud mənbə ilə başlayın

Kiçik şəklin skrinşotu əvəzinə orijinal skan və ya kamera faylından istifadə edin. Kimsə kiçik bir önizləmə göndəribsə, orijinal sənədi tələb edin. PDF artıq dəqiq seçilə bilən mətni olduqda, onu şəklə çevirib yenidən tanımaq əvəzinə həmin mətndən yenidən istifadə edin.

Kontrastı, fırlanmanı və ya kəsimi tənzimləməzdən əvvəl dəyişməz bir surət saxlayın. Sonrakı versiya solğun durğu işarələrini və ya əl yazısı işarələrini itirdikdə orijinal sizin istinadınızdır. İşçi surətlərə təsviri adlar verin ki, hansı faylın redaktə edildiyini təxmin etmədən onları müqayisə edə biləsiniz.

2. Yükləməzdən əvvəl hərfləri oxunaqlı edin

Fotoşəkil üçün səhifəni düz saxlayın, kameranı ona təxminən paralel tutun və bərabər işıqdan istifadə edin. Parlaq kağız üzərində parıltıdan və əlinizin və ya telefonunuzun kölgələrindən çəkinin. Sənədi kənara qoymazdan əvvəl bir neçə kiçik sözü yoxlayın; mənbə hələ mövcud olduqda yenidən çəkmək daha asandır.

Skan üçün 300 düym başına piksel adi çap olunmuş mətn üçün faydalı başlanğıc nöqtəsidir. IMPACT çox kiçik çap üçün daha yüksək ayırdetmə tövsiyə edir. ABŞ Milli Arxivləri də öz rəqəmsallaşdırma tələblərində müasir mətn daimi qeydləri üçün 300 ppi göstərir. Bunlar çəkmə istinadlarıdır, hər səhifənin düzgün tanınacağına zəmanət deyil.

Mövcud aşağı ayırdetməli faylda DPI etiketini dəyişmək yeni detal yaratmır. Simvol kənarlarını və durğu işarələrini yoxlayın və orijinal mövcud olduqda müvafiq ayırdetmədə yenidən skan edin.

3. Görünüşü düzəldin və uyğun bir region seçin

Mətni dik vəziyyətə gətirin və səhifə ilə rəqabət apardıqda lazımsız haşiyələri silin. Nəzərdə tutulan mətnin ətrafında bir az boşluq buraxın: sıx kəsim aksentləri, aşağı düşən hərfləri və ya rəqəmin sonuncu rəqəmini kəsə bilər.

Sütunlar üçün, tam səhifə ardıcıllığı etibarsız olduqda bir sütunu və ya məntiqi olaraq əlaqəli bir hissəni bir anda tanıyın. Cədvəl başlıqlarını dəyərləri ilə birlikdə saxlayın. Hər kiçik xananı ayırmaq nəticəni yenidən qurmaq üçün lazım olan konteksti silə bilər.

4. Mülayim şəkil tənzimləmələrini müqayisə edin

Kiçik kontrast tənzimləməsi solğun mətni kömək edə bilər, həddindən artıq filtrləmə isə onu silə bilər. Səhifəni qaraltmaq həm də ləkələri, kağız teksturasını və ya arxa tərəfdən yazını gücləndirə bilər. Tənzimlənmiş şəkli orijinal ilə eyni böyütmə səviyyəsində müqayisə edin.

Hər şeyi dəyişməzdən əvvəl çətin bir hissədə bir tənzimləmə sınayın. Əgər təkmilləşdirmə şəkli daha təmiz göstərirsə, lakin vergülü silirsə və ya iki hərfi birləşdirirsə, bu OCR üçün sübutu təkmilləşdirməyib.

5. Dili təyin edin və tanınma rejimlərini müqayisə edin

Seçilmiş mətndə faktiki olaraq istifadə olunan dili seçin. i2OCR skript və tarixi variantlar daxil olmaqla 128 tanınma seçimi təqdim edir. Qarışıq dilli səhifə üçün fərqli regionları ayırmaq nəticəni qiymətləndirməyi asanlaşdıra bilər.

Classic aydın çap olunmuş material üçün faydalı başlanğıc nöqtəsidir. Future daha müxtəlif sənədlər və əl yazısı ilə kömək edə bilər. Əmin olmadıqda eyni qısa hissəni müqayisə edin. Bir neçə düzgün tanınmış cümlə əvəzinə, buraxılmış sözlər və sətir ardıcıllığı daxil olmaqla tam transkripti mühakimə edin.

6. Mətni şəkil ilə müqayisə edərək nəzərdən keçirin

Seçilmiş sahənin yuxarı, orta və aşağı hissəsindən bir nümunəni yoxlayın. Sonra ən çox məna daşıyan detalları yoxlayın. Yanlış yerləşdirilmiş onluq vergül və ya not kimi çatışmayan söz bir neçə adi yazılış xətasından daha vacib ola bilər.

• Adlar, identifikatorlar, tarixlər, onluq vergüllər və vahidlər mənbəyə uyğundur.
• Hər bir nəzərdə tutulan sətir mövcuddur; başlıqlar və alt qeydlər məntiqli yerlərdədir.
• Sütunlar və cədvəl sətirləri yanlış birləşdirilməyib.
• Aydın olmayan hissələr səssizcə təxmin edilmək əvəzinə baxış üçün işarələnib.
• Köçürülmüş sitat istinad etmək istədiyiniz ifadəni və durğu işarələrini saxlayır.

7. Nəzərdən keçirilmiş nəticəni saxlayın və işləyən şeylərdən yenidən istifadə edin

Tərcümə etməzdən və ya yenidən yazmazdan əvvəl düzəldilmiş transkripti saxlayın. Mənbə fayl adını və ya səhifə istinadını nəticə ilə birlikdə saxlayın. Daha sonra oxşar sənədləri emal edəcəksinizsə, dili, seçilmiş regionu və kömək edən tənzimləmələri qeyd edin.

Onlayn alətlər 25 MB-ə qədər bir şəkil və ya 200 MB və 750 mənbə səhifəsinə qədər bir PDF qəbul edir, bu alətdə göstərilən limitə tabedir. PDF OCR hər sorğu üçün bir seçilmiş səhifəni və ya sahəni emal edir. Şəkil ölçüləri və emal limitləri də tətbiq olunur, buna görə də daha kiçik, yaxşı çəkilmiş mənbə çox böyük fayldan daha praktiki ola bilər.