อะไรทำให้ OCR จากกล้องมือถือแม่นยำ

การรู้จำข้อความทำงานด้วยการจับคู่รูปร่างตัวอักษร บนหน้าที่โค้ง ตัวอักษรเดียวกันจะดูสูงเมื่ออยู่ใกล้ขอบนอก และถูกบีบเมื่ออยู่ใกล้ร่องกลางเล่ม โมเดลที่ต้องเดาว่าตัวไหนเป็นตัวไหนจึงผิดพลาดได้ ถ้าปรับหน้าให้เรียบก่อน ตัวอักษรทุกตัวในบรรทัดก็จะกลับมามีสัดส่วนเท่ากัน นี่คือปัจจัยที่ได้ผลมากที่สุด และเป็นเหตุผลที่ vFlat ปรับหน้าให้เรียบก่อนรู้จำข้อความ ไม่ใช่หลังจากนั้น

กล้องมือถือสมัยนี้มีความละเอียดเกินกว่าที่การรู้จำข้อความต้องการไปมาก สิ่งที่กล้องควบคุมไม่ได้คือแสงในห้อง แสงนุ่มที่สม่ำเสมอจากด้านข้างให้เส้นตัวอักษรที่คมชัด ส่วนโคมไฟแสงจ้าเพียงดวงเดียวจะทำให้เกิดแสงสะท้อนบนกระดาษมัน และเงาของมือหรือมือถือพาดทับข้อความ ถ้าภาพสแกนอ่านได้ไม่ดี ให้ขยับหนังสือ ไม่ใช่ปรับการตั้งค่า

แอปแก้มุมมองภาพให้อัตโนมัติก็จริง แต่หน้ากระดาษที่เต็มเฟรมย่อมมีพิกเซลต่อตัวอักษรมากกว่าหน้าที่อยู่แค่มุมหนึ่งของภาพ ขยับเข้าไปใกล้ขึ้น ถือมือถือให้ขนานกับหน้ากระดาษโดยประมาณ แล้วปล่อยให้การตรวจจับอัตโนมัติหาขอบให้

การรู้จำข้อความรองรับกว่า 100 ภาษา และหน้าที่มีหลายภาษาปนกัน เช่น ภาษาเกาหลีที่มีศัพท์ภาษาอังกฤษ หรือภาษาญี่ปุ่นที่มีตัวเลข ก็อ่านได้ดี แต่การเลือกภาษาให้ถูกก็ยังช่วยได้ เพราะโมเดลจะทุ่มความมั่นใจไปที่ระบบตัวอักษรที่คุณใช้จริง แทนที่จะกระจายไปทุกระบบที่รู้จัก

หลังรู้จำข้อความแล้ว ลองค้นหาคำสองสามคำที่รู้ว่าอยู่ในหน้านั้น ทั้งที่ด้านบน ใกล้ร่องกลางเล่ม และที่ขอบล่าง ถ้าเจอครบทุกคำ แสดงว่าหน้านั้นใช้ได้ ถ้าบางคำหายไป ปัญหาแทบทุกครั้งอยู่ที่ตอนถ่าย เช่น เงา แสงสะท้อน หรือหน้ากระดาษที่ไม่เรียบ และการถ่ายใหม่จะแก้ได้เร็วกว่าการแก้ไขใด ๆ ภายหลัง