کنترل کیفیت OCR/HTR با متن مرجع

0 اجرای موفق ثبت‌شده در آمار دائمی

این ابزار وقتی متن مرجع انسانی (Ground Truth) وجود دارد، CER و WER را با فاصله ویرایشی محاسبه می‌کند. نتیجه استاندارد روی NFC گزارش می‌شود و یک نتیجه ثانویه پس از پروفایل orthographic انتخاب‌شده نیز جداگانه ارائه می‌شود؛ این QC به‌تنهایی درباره انتساب مؤلف حکم نمی‌دهد و هیچ آستانه قرمز/سبز ابتکاری اعمال نمی‌شود.

این خروجی چه می‌گوید؟

سنجه، طبقه‌بندی یا کنترل کیفیت تعریف‌شدهٔ همین روش را روی داده‌های واردشده گزارش می‌کند.

چه چیزی را به‌تنهایی ثابت نمی‌کند؟

دامنه ادعا از نوع ابزار، corpus و کنترل‌های روش‌شناختی فراتر نمی‌رود؛ نتیجه باید همراه محدودیت‌های زیر تفسیر شود.

توضیح علمی، محدودیت‌ها و جایگاه توسعه

توضیح علمی: Gold-standard reference transcription is required. Primary CER/WER preserves whitespace as characters for CER and ignores BOM/directional formatting controls; the orthographic-adjusted result is explicitly secondary.

محدودیت‌ها: هیچ threshold اختراعی pass/fail برای کیفیت اعمال نمی‌شود

مقاله/مرجع: OCR-D Ground Truth Guidelines — Character/Word Error Rate evaluation based on Levenshtein distance.

سطح بازتولیدپذیری: Full paper/method-faithful

روش و منبع: OCR-D Ground Truth Guidelines — Character/Word Error Rate evaluation based on Levenshtein distance.

وضعیت بازتولیدپذیری

اجزای مؤثر روش که برای اجرای علمی لازم‌اند از منبع منتشرشده پیاده شده‌اند؛ این برچسب لزوماً به معنی بازسازی بیت‌به‌بیت محیط تاریخی نرم‌افزار نیست.

پیاده‌سازی شده

CER/WER در برابر Ground Truth انسانی با تعریف مبتنی بر Levenshtein
گزارش اصلی و گزارش ثانویه orthographic-normalized به‌صورت صریح و جدا

پیاده‌سازی نشده / محدودیت

هیچ threshold اختراعی pass/fail برای کیفیت اعمال نمی‌شود

مرحله دستی یا ورودی پژوهشگر

یک Ground Truth انسانیِ بازبینی‌شده و دقیقاً متناظر با نمونه OCR/HTR آماده کنید.
Ground Truth و متن OCR مشاهده‌شده را بارگذاری کنید؛ IDHR با CER/WER ادامه می‌دهد.

پس از انجام این مرحله، فایل/خروجی خواسته‌شده را در فرم زیر بدهید تا IDHR عملیات خودکار را ادامه دهد.

مشاهده ممیزی بازتولیدپذیری همه روش‌ها

شرط علمی: این QC فقط وقتی نرخ خطای واقعی OCR/HTR را اندازه می‌گیرد که یک Ground Truth انسانیِ متناظر وجود داشته باشد.

Ground Truth / رونویسی انسانی متن OCR/HTR مورد ارزیابی پروفایل یکسان‌سازی نویسه برای گزارش ثانویه

گزارش اصلی روی NFC و با تعریف character به‌صورت grapheme cluster ساخته می‌شود. CER/WER هم با مخرج Ground Truth و هم با صورت normalized تعریف‌شده در OCR-D گزارش می‌شوند. یک گزارش ثانویه پس از orthographic normalization نیز جداگانه ارائه می‌شود تا اثر اختلاف‌های دیجیتالی ی/ک و مانند آن آشکار شود.

IDHR هیچ مقدار CER/WER را به برچسب سبز/قرمز یا «قابل‌قبول/نامعتبر» تبدیل نمی‌کند.

ایمیل پیگیری و دریافت نتیجه (الزامی)

پس از ثبت Job می‌توانید مرورگر را ببندید؛ پردازش روی سرور ادامه می‌یابد. پس از پایان، 168 ساعت فرصت دانلود دارید. پایان موفق یا شکست تحلیل همراه با لینک امن ایمیل می‌شود و خطای ایمیل وضعیت تحلیل را تغییر نمی‌دهد.

نحوه تفسیر

این ابزار نتیجه را همراه پارامترها، نسخه موتور علمیِ همان روش، نرمال‌سازی نویسه‌ای و SHA-256 ورودی‌ها در Research Manifest ثبت می‌کند. تغییر پارامترها باید به‌عنوان اجرای پژوهشی جداگانه در نظر گرفته شود.