Оценить объективно разницу между 7-8-9 версиями не представляется возможным. Слишком много аспектов пришлось бы рассматривать, делать массивную выборку из разных текстов. У меня установлены пока все 3 версии, я им "скармливал" наиболее трудные страницы, на мой взгляд - много картинок, мусора, фрагменты текстов и словосочетания на разных языках. Поэтому такой блиц-обзор.
Вначале об отзывах, которые я видел здесь. Удивительные отзывы. Странная болезненная тенденция наблюдается - людям позарез хочется поставить новейшую версию продукта только затем, чтобы в очередной раз сделать вывод о том, что все прежние версии были лучше
Некоторые сетуют на то, что, якобы, 9-й FR намного сильнее загружает систему, и поэтому все тормозит. Может быть, все остальное действительно тормозит, но FR9 пашет по полной, т.к. он задействует технологию HyperThreading. К примеру, если я открываю многостраничный TIFF с распознаванием, то процессы открытия страниц из TIFFa и их распознавания разбиваются на два потока, обрабатываемых параллельно, отсюда и "полная загрузка" процессора. Это хорошая новость, а не плохая
Понятно, что производительность при этом возрастает отнюдь не в два раза, а дай бог на 10-15%. Да к тому же, по всему видно, разработчики "навесили" дополнительных новых алгоритмов обработки, вроде автоматического определения языка, так что мне пока не понятно, увеличилась общая производительность, или все-таки снизилась
Автоматическое же определение языка - тоже хорошо, но в полной мере, возможно, оно себя покажет еще через версию. Пока это может лишь приводить к ошибкам распознавания. Одну или две таких ошибки я уже наблюдал (в 7 и 8 версиях эти ошибки не проявились) на текстах с несколькими языками. Это, а может быть, и что-то иное привело также к тому, что
теперь намного больше символов помечаются как неуверенно распознанные (в 7 и 8-й версиях такое случалось, если выбрать больше 3-х словарей). Если неуверенно распознанных символов действительно стало больше из-за добавления автоматического определения языка, это плохо. Если же просто изменены правила определения таковых, это хорошо, т.к. раньше FR часто не маркировал ошибочно распознанные символы. Судя по неверно распознанному символу "г" в слове "гендерный" в таблице, приведенной ниже, верна все-таки вторая гипотеза (только в 9-й версии "г" обозначена как неуверенно распознанная), но я не уверен.
Улучшилась работа OCR в случае "замусоренного" текста. К примеру, я скормил трем версиям страницу на которой при сканировании отобразился волос - он залез сразу на 6 строк. В 7-й версии это привело к 5 ошибкам распознавания. В 8-й и 9-й - всего к двум.
В целом, если рассматривать вопрос именно качества OCR текста, то можно сказать, что есть некоторый прогресс между 7-й и 8-й версиями, но видимого продвижения между 8-й и 9-й практически нет. Возможно, это связано с тем, что авторы в основном сконцентрировались на том, чтобы не допустить снижения качества OCR при условии автоматического определения языка текста - задача, ИМХО, не из легких. С этой задачей они, похоже, справились.
С точки зрения качества сегментирования, определения зон, также можно заметить некоторый прогресс. Я попытался продемонстрировать его на на следующих скриншотах:
FR 7.0 FR 8.0 FR 9.0
