ABBYY लैब्स - क्या नया है?

पहली एबीबीवाई लैब्स परियोजना का जायजा लेने का समय। आपको याद दिला दूं कि परियोजना का लक्ष्य सीखने की प्रक्रिया में छात्रों को उन समस्याओं को हल करने में सक्षम बनाना है जो सामान्य शैक्षणिक प्रक्रिया में वास्तविक की तुलना में करीब हैं। और एक ही समय में उन्हें "उपयुक्त वातावरण में" विसर्जित करें: जिस वातावरण में विकास हुआ, वह एक वास्तविक जीवन की आईटी कंपनी है।

MIPT में नवाचारों और उच्च प्रौद्योगिकियों के संकाय के छात्रों को फार्मूले की मान्यता और TeX (समस्या का प्रारंभिक सूत्रीकरण यहाँ है ) के निर्यात से हैरान था।

उन्होंने क्या किया?

विंडोज़ के लिए एबीबीवाई मोबाइल ओसीआर इंजन को पात्रों को पहचानने के लिए एक उपकरण के रूप में लिया गया था, जो निश्चित रूप से अच्छा है, लेकिन यह पूरी तरह से फॉर्मूलों के तहत "तेज नहीं" है। छात्रों को 2 समूहों में विभाजित किया गया था: एक विश्लेषण में लगा हुआ था, और दूसरा - मान्यता और निर्यात।

के विश्लेषण

ओसीआर में छवि विश्लेषण उन ब्लॉकों को खोजने की प्रक्रिया है जिसमें ओसीआर के संदर्भ में जानकारी अलग है। "एक तस्वीर है, और एक पाठ है," विश्लेषक कहते हैं। मूल सूत्र इंजन नहीं देखता है - इसमें ऐसी अवधारणा नहीं है। इसे ठीक करने के लिए लोगों को प्रयास करना पड़ा।

छात्रों ने अपने काम की गुणवत्ता को नियंत्रित करने के लिए एक मुश्किल कदम का इस्तेमाल किया। TeX प्रारूप में बड़ी संख्या में दस्तावेज़ों के लिए, उन्हें जानकारी मिली कि प्रत्येक पृष्ठ पर सूत्र कहाँ स्थित है। कैसे? हमने गणितीय लेखों के स्रोतों को लिया और TeX संकलक को चित्रों में संकलित किया। वे पहचाने जाने वाले थे। फिर उन्होंने उसी स्रोत कोड को "खराब" कर दिया: सूत्रों के लिए पृष्ठभूमि को काला कर दिया गया, और सूत्रों के बाहर पाठ का रंग सफेद कर दिया गया। और चित्रों में संकलित भी किया। बिगड़ी हुई तस्वीरों में "सूत्र" के केवल काले आयत थे जो भेद करना आसान है और इस तरह उनके "सच्चे" निर्देशांक को पहचानते हैं। उसके बाद, मूल "अनिर्धारित" चित्र विश्लेषक के माध्यम से चलाए गए थे और देखा कि सूत्र आयत के पाए गए निर्देशांक काले आयत के विश्वसनीय रूप से निर्धारित निर्देशांक से कितने भिन्न हैं। स्वचालित गुणवत्ता नियंत्रण प्रणाली तैयार है!

आयत का चयन करने का कार्य जिसमें सूत्र शामिल है, परियोजना का सबसे कठिन हिस्सा है। इसे हल करने के लिए, वज़न वाले संकेतों (यानी, इन संकेतों का महत्व) का चयन किया गया था, जो अलग-अलग हो सकते हैं (या खराब हो सकते हैं :) विश्लेषण की गुणवत्ता। संकेत कई प्रकार के थे:
• शब्दावली के संकेत पहले से मान्यता प्राप्त छवि में गणितीय कार्यों के लिए देखे गए, जैसे कि पाप, अंग, एफ (एक्स)।
• जियोमेट्रिक्स बहुत विस्तृत या बहुत अधिक "लाठी" के लिए देखा गया - अंश, अभिन्न, मैट्रिसेस के कुछ हिस्सों।
• उन्होंने लाइन रिक्ति द्वारा पाठ मापदंडों के संकेतों को निर्धारित करने की कोशिश की (यदि पाठ में सूत्र crept है, तो लाइन रिक्ति अधिक होगी)।

क्या आया:
• इस तरह की पंक्ति आयतें सामान्य मोबाइल ओसीआर इंजन द्वारा पाई गईं (मैं आपको याद दिलाता हूं कि यह किसी भी तरह से सूत्रों की मान्यता के अनुकूल नहीं है):
• विश्लेषक ने सूत्र का ऐसा आयत पाया, जो "सूत्र" ऑब्जेक्ट के अस्तित्व से अवगत है:
निश्चित रूप से संकेतों के लिए तराजू का एक सेट है जो बेहतर परिणाम देगा। एक तैयार गुणवत्ता नियंत्रण प्रणाली की उपलब्धता को देखते हुए, यह समय का एक काम है, क्योंकि सबसे अच्छे वजन की खोज को काफी हद तक स्वचालित किया जा सकता है।

मान्यता

कार्यों में से एक मान्यता को "समाप्त" करना था, और यह पात्रों को पहचानने के बारे में नहीं था, बल्कि उनके सापेक्ष स्थिति के बारे में डेटा प्राप्त करने के बारे में था। सामान्य पहचानकर्ता को पाठ की पंक्तियों द्वारा निर्देशित किया जाता है, और गणितीय सूत्र "मल्टीस्टोरी" हो सकता है, एक रेखा का विस्तार। इसके अलावा, यहां तक ​​कि एक अंश के तुच्छ दो "फर्श" एक नियमित पहचानकर्ता को भ्रमित कर सकते हैं: यह सबसे अधिक संभावना पाठ से खींचता है "-" (जिनमें से अंश की क्षैतिज रेखा होती है), संख्या और अक्षरों में गड़बड़। ऊपरी और निचले सूचकांकों और फेरबदल के साथ यह सब कहता है। लोग अंशों, डिग्री, ऊपरी और निचले सूचकांकों की बेहतर पहचान हासिल करने में सक्षम थे। और न केवल प्रतीक के शीर्ष दाएं या नीचे दाईं ओर सूचकांकों, बल्कि योग सूत्र में सीमाएं भी हैं।

निर्यात

मान्यता के परिणामस्वरूप, ऑपरेटरों और ऑपरेंड का एक पेड़ प्राप्त किया जाता है। पेड़ को पीछे हटाने की प्रक्रिया में, TeX के लिए एक स्ट्रिंग प्राप्त की जाती है। इससे कोई समस्या नहीं थी।

छापों

मठ OCR समूह (उन्हीं छात्रों) के कर्मचारी परिणामों से संतुष्ट हैं। उन्होंने विकास के साधनों में महारत हासिल की है और प्रोग्रामिंग अनुभव प्राप्त किया है, जो कि उनकी राय में, जो कि सामान्य शैक्षिक प्रक्रिया में उन्हें प्राप्त है, से अलग है। यह हमें लगता है कि लोगों ने एक अच्छी तरह से समन्वित टीम बनाई और इससे उनके काम की गुणवत्ता में वृद्धि हुई।

इस पर, निश्चित रूप से, एबीबीवाई लैब्स परियोजना बंद नहीं होती है। अगले स्कूल वर्ष के लिए बने रहें!