Какие метрики используются для OCR?

Для оценки качества OCR (оптического распознавания символов) обычно используют следующие метрики:

• Character Error Rate (CER) — процент ошибок на уровне символов. Рассчитывается как отношение количества вставок, удалений и замен символов к общему числу символов в эталонном тексте.

• Word Error Rate (WER) — аналогично CER, но на уровне слов. Важна для оценки, насколько правильно распознаются целые слова.

• Accuracy (Точность) — доля правильно распознанных символов или слов.

• Precision, Recall и F1-score — применимы, если OCR используется для извлечения определённых сущностей или классов символов.

Пример расчёта CER:

import editdistance

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

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

Эти метрики помогают объективно сравнивать разные OCR-системы и улучшать их качество.