Telefon kamerasında OCR doğruluğunu ne belirler?

Metin tanıma, harf şekillerini eşleştirerek çalışır. Kavisli bir sayfada aynı harf dış kenara yakın yerde uzun, cilt payına yakın yerde ise sıkışık görünür; hangisinin hangisi olduğunu tahmin etmek zorunda kalan bir model hata yapar. Sayfayı önce düzleştirin; satırdaki her harf yeniden aynı oranlara kavuşur. Doğruluğu en çok etkileyen şey budur ve vFlat'ın sayfa düzleştirmeyi tanımadan sonra değil, önce çalıştırmasının nedeni de budur.

Modern bir telefon kamerası, tanımanın ihtiyaç duyduğundan çok daha yüksek çözünürlüğe sahiptir. Sahip olmadığı şey ise odadaki ışık üzerindeki kontroldür. Yandan gelen eşit ve dağınık ışık temiz çizgiler verir; tek bir sert lamba ise parlak kağıtta yansımaya, metnin üzerinde de elinizin ya da telefonun gölgesine yol açar. Bir tarama kötü okunuyorsa ayarları değil, kitabı oynatın.

Perspektif otomatik olarak düzeltilir, ancak kadrajı dolduran bir sayfada harf başına düşen piksel sayısı, kadrajın bir köşesini kaplayan sayfaya göre doğal olarak daha fazladır. Biraz yaklaşın, telefonu sayfaya aşağı yukarı paralel tutun ve kenarları otomatik algılamaya bırakın.

Tanıma 100'ü aşkın dili kapsar ve karışık sayfalar (İngilizce terimler içeren Korece metinler ya da rakamlı Japonca metinler) sorunsuz okunur. Yine de doğru dillerin seçili olması işe yarar: model, olasılıklarını bildiği tüm alfabelere dağıtmak yerine gerçekten kullandığınız alfabelere odaklanır.

Tanımadan sonra, sayfada olduğunu bildiğiniz birkaç kelimeyi taramada aratın: sayfanın üst kısmından, cilt payının yanından ve alt kenar boşluğundan. Hepsi bulunuyorsa sayfa iyi durumdadır. Bazıları eksikse sorun neredeyse her zaman çekimdedir (bir gölge, bir yansıma ya da düz durmayan bir sayfa) ve yeniden çekmek, sonradan yapılacak her türlü düzeltmeden daha hızlı çözüm sağlar.