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

Eshop na digitální licence her (Know-How) 🎮🔥💎

1 000 Kč

0 příhozů

Dropshipping eshop se sportovními doplňky

69 000 Kč

0 příhozů

👀 Prodám satirickou, fanouškovskou FB stránku obrovským potenciálem 🔥

1 000 Kč

0 příhozů

✅ Prodám rozpracovaný projekt na super doméně – Online tržiště PR článků a linků ❗️ WWW.LINKOVIŠTĚ.CZ ❗️

1 000 Kč

0 příhozů

Prodej domény WOODOO.CZ

4 000 Kč

0 příhozů

Poptávky Více

Koupím nebo vyměním aktuální databáze kontaktů

poptávka plakátu na turnaj FC 2024

Odkoupím S.R.O. měsíční plátce DPH

Hledáme vývojáře pro vytvoření Discord bota – Správa práv a rolí v discord skupině

Web scraping / Tvorba procesů v UI Path

Pracovní nabídky Více

𝗧𝗲𝘀𝘁 𝗠𝗮𝗻𝗮𝗴𝗲𝗿

Práce z domu, Praha

Pětičlenný tým vývojářů na technologie .NET & React

Hledáme externí grafičku/grafika pro rodinnou firmu MycoMedica.cz

Hradec Králové

Hledáme medior Projektového manažera(ku)/koordinátora(ku)

Práce z domu, Praha

80 000 - 115 000 Kč

Front-end developer/ka / Kodér/ka

Práce z domu, Praha

Nabídky Více

Tvorba textů za startovací ceny

WORDPRESS kodér a správce webů

PPC | Google Analytics | Looker Studio

PPC 👨🏻‍💻 | Facebook + Google Ads | ZÁRUKA VRÁCENÍ PENĚZ | 5+ let praxe ✅

LEVNÁ TVORBA WORDPRESS WEBŮ | E-SHOP | SEO | PPC