OCR üçün hansı metriklər istifadə olunur?

OCR (Optik Hərf Tanıma) keyfiyyətini qiymətləndirmək üçün adətən aşağıdakı metriklər istifadə olunur:

• Hərf Xəta Dərəcəsi (CER) — hərf səviyyəsində səhvlərin faizidir. Bu, daxil edilən, silinən və dəyişdirilən hərflərin sayının ümumi hərf sayına nisbətidir.

• Kəlmə Xəta Dərəcəsi (WER) — CER-ə bənzəyir, amma kəlmə səviyyəsində. Bu, tam kəlmələrin düzgün tanınıb tanınmadığını qiymətləndirmək üçün vacibdir.

• Dəqiqlik (Accuracy) — düzgün tanınmış hərf və ya kəlmələrin nisbəti.

• Precision, Recall və F1-score — əgər OCR müəyyən entitələri və ya hərf siniflərini çıxarmaq üçün istifadə olunursa, tətbiq edilir.

CER hesablamanın nümunəsi:

import editdistance

def cer(reference, hypothesis):
    ref = list(reference)
    hyp = list(hypothesis)
    distance = editdistance.eval(ref, hyp)
    return distance / len(ref)

reference = "nümunə"
hypothesis = "nümunə"
print(f"CER: {cer(reference, hypothesis):.2%}")

Bu metriklər müxtəlif OCR sistemlərini obyektiv şəkildə müqayisə etməyə və onların keyfiyyətini artırmağa kömək edir.