Jakub Glos
Webtrh.cz

Vývoj webových stránek na WordPressu a proklientský přístup pro freelancery

Třídenní infromacemi nabitý prezenční + online kurz v Praze od Webtrhu pouze za 2 871 Kč

Více informací

OCR a odfiltrování čar přes text

verified

7. 11. 2019 12:21:05

Zdravím,

poradí někdo, jak řešit OCR, když je přes text čára? Tzn. je přeškrtnut. Pohledově je text čitelný.

Vzor v příloze.

Zkoušel jsem běžné nástroje jako Adobe DC,... ale bez úspěchu.

Kdo doporučí funkční řešení, které zvládne vytěžit text v celku, má u mě odměnu.

Třeba tak :-) https://www.alkohol.cz/produkty/destilaty/kategorie/?product-grid-filter=price_from:800,price_to:1200

7. 11. 2019 12:21:05

https://webtrh.cz/diskuse/ocr-a-odfiltrovani-car-pres-text/#reply1422788

verified

(93 hodnocení)

7. 11. 2019 12:50:45

Ahoj,

https://github.com/tesseract-ocr/ by si s tim měl poradit.

7. 11. 2019 12:50:45

https://webtrh.cz/diskuse/ocr-a-odfiltrovani-car-pres-text/#reply1422787

verified

7. 11. 2019 13:09:33

Napsal Pavel Janků;1552552
Ahoj,

https://github.com/tesseract-ocr/ by si s tim měl poradit.

Díky za tip. Ten jsem už testoval a nevycházel z toho nejlíp. Viz příloha.

7. 11. 2019 13:09:33

https://webtrh.cz/diskuse/ocr-a-odfiltrovani-car-pres-text/#reply1422786

verified

7. 11. 2019 13:11:10

Zatím nejlépe vychází tohle:

Best Free OCR API, Online OCR, Searchable PDF - Fresh 2019 OCR Software

---------- Příspěvek doplněn 07.11.2019 v 13:56 ----------

Druhý kandidát na vítěze je https://cloud.google.com/vision/docs/drag-and-drop

PS: Pokud máte něco lepšího, nabídka odměny stále platí ;-)

7. 11. 2019 13:11:10

https://webtrh.cz/diskuse/ocr-a-odfiltrovani-car-pres-text/#reply1422785

verified

5. 2. 2020 23:39:40

Jestli je to pro Vás důležité, tak se na to určitě dá napsat nějaké custom řešení, které Vám ty čáry ze všech obrázků odstraní a pak je mžete prohnat přes OCR. Ale cena bude určitě v tisících.

5. 2. 2020 23:39:40

https://webtrh.cz/diskuse/ocr-a-odfiltrovani-car-pres-text/#reply1422784

verified

6. 2. 2020 20:04:43

Doplním, jak bylo vyřešeno:

1. Prohnalo se to přes OCR Google Cloud, který zvládl vyčíst většinu písmen. Mnohdy zkomoleně, ale byl to základ.

2. Poté se vzal výstup z OCR a srovnával se proti zdrojové databázi, kterou jsme měli k dispozici.

3. Kde nebyla přesná shoda, tam jsme vzali jméno + první 3 písmena z ulice, upravili do prostého tvaru "JANNOVAKULI" a opět prohnali přes zdrojovou databázi.

4. Na cca 15%, kde nebyla nalezena ani částečná shoda (bod 3), jsme použili hledání podobnosti pomocí Levenštejnovi vzdálenosti.

Z 50 000 adres nám tak zbylo jen pár desítek, které se doplnily ručně.

Tak třeba někdy v budoucnosti to někomu pomůže :-).

6. 2. 2020 20:04:43

https://webtrh.cz/diskuse/ocr-a-odfiltrovani-car-pres-text/#reply1422783

Pro odpověď se přihlašte.

Prodej Více

chytrehodinky.cz

7 000 Kč

0 příhozů

Vyhledávač zboží – TVUJ-OBCHOD.CZ

14 999 Kč

0 příhozů

Prodám rozpracovaný projekt- jetmarket.cz

20 000 Kč

0 příhozů

Prodám firemní identitu, včetně webu a domény

65 000 Kč

0 příhozů

humor.cz

150 000 Kč

0 příhozů

Poptávky Více

poptávka XML souboru pro Expando.

Technická a marketingová podpora – Kunice, možnost ubytování

Poptáváme kvalitní zpětné odkazy pro cestovní kancelář

Jazyková kontrola počítačových her pro Windows

nastavení e-mailové schránky na Wedos a optimalizace nastavení emailu v novém Outlloku

Pracovní nabídky Více

IT analytik – Bankovnictví

Projektově-obchodní manažer medior / senior

Hledá se parťák do vzrušujícího světa AI

IT specialista | PHP programátor

Korektor/copywriter s angličtinou a němčinou

Práce z domu, Praha

Nabídky Více

Levný a kvalitní generátor článků do WordPressu

WORDPRESS – Tvorba WEBU od 1500 Kč

Tvorba WEBU – 1000 Kč

Administrátor serverov

PPC | Facebook + Google Ads | ZÁRUKA VRÁCENÍ PENĚZ