In-Sight® ViDi ™ Read es una herramienta de reconocimiento óptico de caracteres (OCR) que aprovecha el Deep Learning para descifrar códigos deformados, sesgados y mal grabados para una variedad de aplicaciones. Combinada con la cámara In-Sight D900, esta poderosa herramienta de OCR reduce significativamente el tiempo de desarrollo, incluso en condiciones difíciles. La configuración de la aplicación es fácil con In-Sight ViDi Read. Todo lo que necesitas hacer es:

Defina la región de interés.

Establecer el tamaño de los caracteres.

Sin embargo, para maximizar completamente la herramienta, debe ir más allá de las configuraciones predeterminadas. Aprenda a reducir el tiempo de ciclo y aumentar el rendimiento con estos consejos y trucos para la herramienta ViDi Read.

Consejo n. ° 1: comprueba tu modelo.

Los dos modelos más comunes cuando se usa la herramienta ViDi Read son el modelo Node y el modelo RegEx. Estos dos no siempre son intercambiables y pueden funcionar de manera diferente según la aplicación. Un modelo de nodo es la opción predeterminada cuando se crea un nuevo modelo. Esta puede ser una opción sólida para OCR, ya que puede manejar una variedad de patrones, como trazados curvos y múltiples líneas de texto. Sin embargo, la solidez puede tener un costo de tiempo de procesamiento. Si su aplicación tiene texto lineal en una sola fila, el uso de un modelo RegEx puede producir una aceleración del 70% con respecto a un modelo de nodo equivalente.

Consejo n. ° 2: no tenga miedo de cambiar la densidad de muestreo.

La Densidad de muestreo es un parámetro de tiempo de ejecución que determina cuántas muestras de su imagen In-Sight ViDi Read procesará para devolver un resultado. Si bien la herramienta tiene una densidad de muestreo predeterminada de cuatro, es posible que cambiar este número no afecte la precisión de su aplicación. Reducir la densidad de muestreo en uno puede producir una aceleración del 80% con respecto a un modelo RegEx equivalente con una densidad de muestreo de cuatro, al tiempo que afecta su puntaje en menos del 3%.

Consejo # 3: Marque el rango de tamaño de su función.

En In-Sight ViDi Read, el término "Rango de tamaño" se usa para describir qué tan grandes o pequeños esperas que sean tus personajes. Se establece automáticamente un rango para asegurarse de que se incluyan todos los caracteres esperados. Mantener este rango de tamaño predeterminado es útil cuando hay variaciones en las dimensiones de la fuente y los caracteres. Sin embargo, si el tamaño de su personaje es uniforme, cambiar el rango de tamaño para que se asemeje más a su umbral esperado puede producir una aceleración de más del 35%.

Consejo n. ° 4: mezcle y combine sus optimizaciones.

Cuando estos consejos y trucos se utilizan juntos, un modelo RegEx con un rango de tamaño de entidad y una densidad de muestreo reducidos puede ser casi tres veces más rápido que un modelo de nodo estándar. Aún así, es importante elegir las optimizaciones adecuadas para su aplicación.

No todas estas técnicas para mejorar el rendimiento serán aplicables a todas las situaciones, sin embargo, cada mejora individual puede generar enormes beneficios para el tiempo de ejecución de su aplicación. Independientemente de los consejos que siga, asegúrese siempre de probar y validar el rendimiento de su sistema antes de implementarlo.