На прошлом наборе символов я работал через обученный GOCR. Задача была решена в лоб - т.е. gocr был обучен базой из 4 тыс УНИКАЛЬНЫХ картинок. Кол-во записей в базе было около 2 тыс. Кол-во попаданий было 20-40 %, что меня устраивало.
Сегодняшнюю задачу можно решить аналогично. Как - я уже писал, но повторюсь - в лоб
) Т.к. картинки повторяются, то собирается база УНИКАЛЬНЫХ картинок (сегодня у меня уже есть 2.5 тыс), режется на куски, куски и база рассылаются добровольцам, каждый обучает gocr своим куском базы, базы склеиваются, gocr работает.
Что бы подтвердить свои слова приведу кусок лога (в базе 600 записей)
...
05.02.2007 18:58:04 Recognise by OCR program
05.02.2007 18:58:04 Run <D:\Install\USD134\FineOCR.bat>
05.02.2007 18:58:04 File Rapid.txt found, loading OCR result
05.02.2007 18:58:04 Rapidshare: AccesCode="GSI8"
05.02.2007 18:58:04 Ссылка:
http://dl23vsnl.rapidshare.com/files/7096320/521227/011-MD-PC04-SA.part06.rar?accesscode=GSI8 05.02.2007 18:58:04 Ожидание на включение Download Ticket
05.02.2007 19:00:17 Скачиваю
...
05.02.2007 19:00:20 Rcvd Header: HTTP/1.1 200 OK
05.02.2007 19:00:20 Rcvd Header: Date: Mon, 05 Feb 2007 17:01:23 GMT
05.02.2007 19:00:20 Rcvd Header: Content-Type: application/octet-stream
05.02.2007 19:00:20 Rcvd Header: Accept-Ranges: bytes
05.02.2007 19:00:20 Rcvd Header: Content-Disposition: Attachment; filename=011-MD-PC04-SA.part06.rar
05.02.2007 19:00:20 Rcvd Header: Content-Length: 104857600
05.02.2007 19:00:20 Rcvd Header: Proxy-Connection: close
05.02.2007 19:00:20 i Скачивание завершено
Лог GOCR
# list box char: GSI8(63)
# list pattern x= 11 6 d= 86 51 t= 2 2
.....@@@@@S...................@$$@@$....... -
...@$@@@$@@..................@@$@$@@@......
..@@$@..@@@.................@@$...@@@$.....
.@@@.....@@@...............$@@.....@@@.....
@@@@.....@$$..$@.....$$$...@$......$@@.....
$@$.........$@$@@@@$.$@@@@$$$......@@@.....
@@@........@@@$@@$@@@..@$@@@@$@....@@......
@@@.......$@$@....@@@$...$@@@@@@$.@$$......
@@@.......@@@......$@$...@@$@@@@@$$@@@@@...
@@$.......@@@......@$....@@@.@@@@@@@@@@@$@.
@@$.......$@$@.....@$...@@@@...@$$@$$@$@@@@
$@@......$@@@@.....$@...@@@....@$$.....@@@$
@@@@.....$@$@@@.........@@@....@@.......@@@
@@@@.......@@@@@.......@@@@...@@@.......@@@
.@@$........@@@@@......@@@....@@@.......@$@
.@@@@.......@@@@@@.....@@@....$@$@......@@@
..@@@@......@@$$@@@....$@@.....@@@.....@@@$
..$@@@@@$...$@$.$@@$..$@@@.....@@@$@.@$@@@.
...@@@$@@$$@@$@.$$@@..@@@.......$@@@@@@@@..
....@@@@@@$$$....@@@..@@@........@@$$@$....
......@$$$$.....$$@$.@@@@..................
......$@@$$.....$@$@.$@@@..................
.......@@@@$...@@@$$@$@$@..................
.........@@@$@$@@@.@@@@@@@@................
...........$@@@$......@@@$@$...............
..........................$$............... -
0 of 1 chars unidentified