Коллектив Авторов - Цифровой журнал «Компьютерра» № 85
Нет, дядька, он в природе есть! Детали презентации программы и красочную коробку пятого «Файнридера», выдающую дизайн мирового класса, уже описал Денис Викторов в «ИнфоБизнесе». Козловский ничего написать не успел, потому что опять куда-то отчалил. Я же подверг новый релиз «аббийного» (от ABBYY — создателя программы) флагмана настоящему кислотному тесту, чем и готов поделиться.
Программы OCR [1] — веселые программы. Всякий апгрейд сопровождается невиданным хайпом: из победоносного релиза мы узнаем, что задействованы революционные технологии, полностью переписан код, радикально изменено ядро распознавания, скорость распознавания увеличилась в N-ное число раз. Это уже было и раньше в случае с четвертой версией FineReader, то же самое я слышал в связи с CuneiForm 2000. Про пятую версию FineReader тоже сказано, что «точность распознавания улучшена в 1,5–2 раза по сравнению с версией 4.0».
Насколько это так, мы сейчас посмотрим. Почему речь зашла о ? Дело в том, что совершенно бесполезно тестировать современные программы распознавания знаков на свеженьких текстах, отпечатанных типографским способом либо на лазерном принтере. Результат будет заведомо безупречен. Поэтому, если вам приходится иметь дело только с такими документами, то создавать электронный архив можно с любой программой OCR — разницы вы не почувствуете. Другое дело — документы экстремального характера…кислотном тесте (acid test [2])
14 лет назад из-под тонких пальчиков профессиональной машинистки выскочили 219 страничек моей диссертации. Как водится, первый экземпляр перекочевал к научному руководителю, второй — на кафедру, третий — в Ленинскую библиотеку в архивный отдел, а вот четвертый я зажал на память. Все эти годы я периодически возвращался к этим желтым и жухлым страничкам и всякий раз убеждался, что они — лучшее, что я создал в этой жизни. Вполне естественно, что желание перевести свою диссертацию в электронный вид не покидало меня ни на одно мгновение. Я набрасывался на всякий новый пакет OCR, но вот что из этого получалось, я вам сейчас продемонстрирую.
Перед вами типичный образец оригинального текста:
По большому счету, ничего тут героического нет: ну бледненько все, ну буквы неравномерно отбились — эка невидаль! Машинистка у меня была профессиональная — брала по восемьдесят копеечек за страницу, поэтому опечаток и замазок — самая малость. Не тут-то было! Этот «исходник» оказался не по зубам всем OCR без исключения.
То, как распознал этот отрывок FineReader предыдущей версии (4.64 Professional), достойно музея Гугенхайма:
Я насчитал только пять правильно распознанных слов (из двадцати девяти). Сами понимаете, «оцифровывание» моей диссертации пришлось отложить до лучших времен — проще все по новой перепечатать.
Приблизительно таким же был результат у CuneiForm 96 и CuneiForm 97, и CuneiForm 98… В какой-то момент я окончательно решил, что — не судьба. Как вдруг на свет появился CuneiForm 2000. Прорыв налицо:
Почувствуй, как говорится, разницу! Не беда, что «вещи с самом совой» и гарантия в четыре слова — «р их га антий». Тут уже можно было работать. И я принялся не спеша, неделя за неделей, разгребать авгиевы конюшни ультрасовременных технологий.
Но, как оказалось, я переоценил свое терпение. Потому что через месяц мне вся эта процедура обрыдла выше крыши. И я опять остался сидеть у самого синего моря в ожидании золотой рыбки.
В минувшее воскресенье я подставил свою диссертацию под FineReader 5.0. В успех не верил. Вот что получилось:
Нужны ли какие-нибудь комментарии? Нужны ли мои традиционные «эмоции взахлеб»? Думаю — нет. Факты, господа, одни только факты. Говорят, «аббисты-файнридерцы» переписали код программы с нуля. Если это так, то перед нами лишнее доказательство того, что русский человек не может ничего построить без того, чтобы сперва не развалить!
Помнится, дорогие аббийцы на меня за тот текст тогда обиделись, даже прислали письмо в редакцию с предложением провести независимое тестирование, давая понять, что мои результаты по четвертой версии — следствие мною же криво выставленных настроек. Я оправдывался: писал, что никаких настроек вообще не настраивал, а просто запускал процесс распознания текста по умолчанию, что говорится, из коробки. Детство отечественной айти-журналистики, чего уж там ☺
_________________________
За 11 лет много воды утекло: канула в Лету добрая «Кунейка» (CuneiForm) — единственный достойных конкурент Abbyy (не считать же конкурентом жуткий американский IRIS). Файнридер, однако, в нарушение всех законов и канонов бизнеса, оказавшись в гордом монопольном одиночестве, не то что не испортился-зазнался-остановился-в-развитии-деградировал, как чаще всего и бывает в бесконкурентном пространстве, а продолжил реально набирать обороты, превратившись в абсолютный мировой стандарт (с мировым же именем) и достигнув акурат маяковского состояния: «Мы говорим OCR — подразумеваем Файнридер, и наоборот».
Но даже не это самое главное. Мало того, что FR стал стандартом, так он еще и сохранил молодость технологического порыва, совершенствуя движок OCR, а не только рюшки-ряшки пользовательского интерфейса!
Именно эту уникальную способность FineReader к самосовершенствованию я и хочу сегодня продемонстрировать читателям. Я взял ту же самую историческую страничку своей диссертации и скормил ее одиннадцатой версии программы. Смотрите, что получилось:
Здесь не нужны комментарии. Это просто фантастика. Смотрите, что при этом творит Файнридер:
Программа констатирует ущербность качества исходного изображения, однако вместо претензий к пользователю (ну-ка быстро исправил мне разрешение! добавил DPI!), знакомых по предыдущим версиям, спокойно и самостоятельно за кадром доводит картинку до нужной кондиции. Такой, которая позволяет провести безупречное распознание текста.
Как водится, в новом одиннадцатом релизе множество мелких фич и примочек, с которыми читатель при желании самостоятельно ознакомится на сайте Abbyy. Меня интересовали лишь ключевые моменты, которые бы оправдали апгрейд даже самого консервативного пользователя. Помимо помянутого улучшения движка OCR в FineReader 11.0 я обнаружил еще одну функцию, заставившую меня даже хлопнуть в ладоши:
Почему подавляющее большинство офисных программ сегодня делает вид, что на рынке не существует двух абсолютно приоритетных для пользователя формата — EPUB и FB2 — ускользает от моего понимания. Ортодоксальная косность — другого объяснения не подберешь. Чего стоит отсутствие хоть какого-то нормального вьюера для EPUB на Маке, в котором этот формат является де-факто стандартом для чтения в iTunes.
Abbyy FineReader 11.0 и здесь оказался первым, внедрив прямую конвертацию сканированного и распознанного текста в самые популярные читальные форматы.
В общем, браво ABBYY! И так держать!
К оглавлению
Голубятня: Ящик из бука для book'a
Сергей Голубицкий
Опубликовано 10 сентября 2011 года
Вчера провел день на 24ой Московской международной книжной выставке-ярмарке. Провел с пользой, печалью, ностальгией и горькими раздумьями. Всем этим спешу поделиться с читателями.
Впервые я попал на Московскую международную книжную выставку, если не изменяет память, в 1979 году. Потом ходил еще раза четыре-пять и всякий раз отстаивал четырех-пяти часовую очередь. За счастье. И не потому что был студентом, которому любое море по колено, а потому что мы были привычными: стоять и подолгу приходилось за всем стоящим — от колбасы (не оттого ли стал вегетарианцем уже в середине 80х?) до фестивальных кинофильмов. За самым-самым лучшим стоять не приходилось: сколько не стой — все равно не достоишься, потому как в открытый доступ самое-самое никогда не попадало: изумительная пища в закрытых распределителях, великое кино на закрытых просмотрах, уникальные книги по закрытым подпискам и т.д. В любом случае в очередях стояли бодро и жизнерадостно, с уверенностью глядя в будущее (видимо, предвкушая завоевание, обретение, прочтение, праздник чрева или глаз).
На первой книжной выставке все посетители пытались что-то выклянчить: ничего не продавалось под страхом смерти, а дарить экспонаты участникам также категорически запрещалось — в крайнем случае в последний день выставки. Вот мы и ходили, терлись на полюбившихся стендах, присматривали СВОЮ книгу, всячески демонстрируя работникам стенда внутреннюю с этой книгой, почти интимную связь. Я таким вот макаром снес (как яйцо) для себя Энциклопедию Джаза на румынском объединенном стенде. У меня до сих пор есть эта книжка с трогательной надписью, выведенной грациозной рукой очень красивой румынки из издательства Minerva: «Подарок румынской стенда» (именно так — «румынской»). Когда шмонали на выходе, я гордо протянул охраняле книгу, готовый лечь костьми за подарок, но не отречься и не уступить. Отрекаться, правда, не пришлось: видимо охраняле спустили директиву на всякую шелупонь-хрень вроде книжек сэвовцев ближнего круга не размениваться. Другое дело — дальний СЭВ (Югославия, Венгрия) и настоящие капиталисты (от Франции до Канады) — книги с этих стендов удерживали на территории выставки похлеще заградотряда.
