Kofax OmniPage

Лабораторная работа: «Основы автоматической обработки текста: от OCR до анализа»Цель: На практике исследовать основные этапы автоматической обработки текста (АОТ): оптическое распознавание (OCR), морфологический и синтаксический анализ. Осознать стоящие за ними лингвистические задачи и трудности.Часть 1: Распознавание текста (OCR) – 25 минутЗадание 1.1: Практика с идеальным и сложным текстом (15 мин) 1. Создайте два тестовых изображения:Изображение А: Чистый отсканированный фрагмент печатного текста (создайте скриншот страницы PDF или Word с 3-4 предложениями).Изображение Б: «Сложный» текст. Создайте в графическом редакторе или сфотографируйте лист, где текст: ▪ Наклонен. ▪ Имеет разный размер шрифта. ▪ Включена простая таблица или текст поверх фона. ▪ Есть искусственные «помехи» (например, черточки, пятна). 2. Распознавание: Загрузите оба изображения в любой бесплатный онлайн-сервис OCR (например, OnlineOCR). Получите текстовые результаты. 3. Анализ: Сравните исходный текст и результат распознавания. Заполните таблицу:Критерий оценкиИзображение А (качество распознавания, основные ошибки)Изображение Б (качество распознавания, основные ошибки)Какой принцип работы OCR (из теории) объясняет эти ошибки/успех?Точность (примерный %)Сохранение форматированияХарактерные ошибки