OCR文本识别-褶皱与卷曲

测试目的:测试图片中褶皱和卷曲对文字识别的影响。

一、测试结果

  1. 褶皱

1)不规则褶皱
①没有阴影(v_2)
(v2)
在这里插入图片描述
(v3)

在这里插入图片描述
(竞品)
召回率:1.00(v2) / 1.00(v3) / 1.00(竞品)

准确率:0.9732628097900977(v2) / 0.9205474734306336(v3) / 0.9804(竞品)

耗时:1.587s(v2) / 0.750s(v3) / 6.372(竞品)

竞品:

2)规则褶皱
在这里插入图片描述
(v2)
在这里插入图片描述
(v3)

在这里插入图片描述
(竞品)
召回率:1.00(v2) /1.00(v3) / 1.00(竞品)

准确率:0.9050067628131193(v2) / 0.9220940536922879(v3) / 0.9415(竞品)

耗时:1.199s(v2) / 1.020s(v3) /5.509(竞品)

  1. 卷曲
    1)外卷曲
    在这里插入图片描述
    (v2-图一)
    在这里插入图片描述
    (v3-图一)

在这里插入图片描述
(竞品)
召回率:1.00(v2) / 0.925926(v3) / 1.00(竞品)

准确率:0.8918464183807373(v2) / 0.816114091873169(v3) / 0.8793(竞品)

耗时:0.862s(v2) / 0.627s(v3) / 2.846(竞品)

在这里插入图片描述
(v2-图二)
在这里插入图片描述
(v3-图二)
在这里插入图片描述
(竞品)
召回率:1.00(v2) / 1.00(v3) / 1.00(竞品)

准确率:0.9669234833934091(v2) / 0.9221751148050482(v3) / 0.9575(竞品)

耗时:1.026s(v2) / 0.494s(v3) / 2.745(竞品)

2)内卷曲
在这里插入图片描述
(v2)
在这里插入图片描述
(v3)
在这里插入图片描述
(竞品)
召回率:1.00(v2) / 1.00(v3) / 1.00(竞品)

准确率: 0.9702691544185985(v2) / 0.9359632486646826(v3) / 0.9723(竞品)

耗时:1.049s(v2) / 0.443s(v3) / 2.672(竞品)

不规则褶皱召回率准确率耗时
v21.000.97321.587
v31.000.92050.750
竞品1.000.98046.327
规则褶皱召回率准确率耗时
v21.000.90501.199
v31.000.92201.020
竞品1.000.94155.509
外卷曲严重召回率准确率耗时
v21.000.89180.862
v30.9250.81610.627
竞品1.000.87932.846
外卷曲不严重召回率准确率耗时
v21.000.96691.026
v31.000.92210.494
竞品1.000.95752.745
内卷曲不严重召回率准确率耗时
v21.000.97021.049
v31.000.93590.443
竞品1.000.97232.2.672

总结:
1、对于卷曲和褶皱“召回率”在v2和v3模型上基本都是1.00,除了“外卷曲”较为严重时,v3模型有部分文字不能检测到。
2、对于“准确率”,在“外卷曲”较严重时准确率较低,而且识别也有错误(单词识别错、连词等)。其它的像卷曲没那么严重,褶皱等“准确率”都很高。
3、竞品:褶皱和卷曲都有连词的现象,而且再褶皱和卷曲较严重的情况下连词的情况也更加严重。此外,卷曲较严重时,竞品也有部分错误情况。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
首先,感谢您对OCR技术的关注。针对您的问题,我来为您提供一些解答。 Tesseract-OCR是一个免费的OCR引擎,可用于将图像中的文字转换为文本。而jTessBoxEditor是Tesseract-OCR提供的一个GUI界面,可以用于训练OCR识别模型,以提高其准确率。 以下是使用jTessBoxEditor提高OCR识别准确率的一些步骤: 1. 准备训练数据。首先需要准备一些训练图像和相应的文本文件,用于训练OCR模型。 2. 打开jTessBoxEditor。在菜单栏中选择“Tools”->“Merge Tiff”,将训练图像合并成一个多页Tiff文件。 3. 生成Box文件。在菜单栏中选择“Tools”->“Generate Box File”,对合并后的Tiff文件进行分页,并生成对应的Box文件。 4. 编辑Box文件。在菜单栏中选择“Tools”->“Box Editor”,打开Box文件并进行编辑。可以通过手动添加和删除Box框,来指定OCR识别的区域和内容。 5. 训练OCR模型。在菜单栏中选择“Tools”->“Train Tesseract”,进行OCR模型训练。训练完成后,会生成一个新的OCR语言包文件。 6. 测试OCR识别效果。在菜单栏中选择“Tools”->“Test Image”,用训练好的OCR语言包来对新的图像进行OCR识别,并评估识别准确率。 希望这些步骤能对您有所帮助,提高OCR识别率。同时,需要注意的是,OCR技术的准确率还受到许多因素的影响,如图像质量、文字大小、字体等。因此,在实际应用中,还需要针对具体的场景进行调整和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

别偷我的猪_09

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值