Zašto aplikacije za prepoznavanje cigara tako često ne uspiju kad je prsten oštećen ili nedostaje?
Zato što većina njih čita samo prsten i ništa drugo. Prstenovi se istroše, okrenu od kamere, omotaju u celofan ili potpuno odlijepe. A čak i prsten koji je savršeno fotografiran često nosi naziv sastavljen od riječi previše općenitih da bi bilo što identificirale: stvaran, izmjeren dio bilo kojeg kataloga, a ne rijedak izuzetak.
Što zapravo radi skener koji čita samo prsten?
Pokreće prepoznavanje teksta (optičko prepoznavanje znakova, OCR) na jednom malom papirnatom prstenu i tretira sve što dobije kao potpun odgovor. Kamera usmjeri, softver pročita otisnuta slova i taj niz znakova potraži u bazi podataka. To je cijeli proces. Ne postoji pokušaj čitanja boje omota, oblika vrha, duljine ili promjera, niti bilo čega drugog što je jasno vidljivo na ostatku cigare. Ako je tekst na prstenu čitljiv, aplikacija djeluje kompetentno. Ako nije, u procesu nema ničega na što bi se moglo osloniti.
Odaje ih to kako se te aplikacije ponašaju kad je prsten prisutan, ali blago zakrenut pod kutom, ili kad je otisak izblijedio od rukovanja. Ne popuštaju postupno – potpuno zakažu, jer je nestao jedini signal koji su imale. Sustav s više od jednog ulaznog podatka može izgubiti jedan i i dalje dati razuman pokušaj. Sustav s točno jednim ulaznim podatkom nema kamo dalje kad taj podatak zakaže.
Zašto prsten tako često nedostaje ili je nečitljiv?
Prsten je uska traka papira omotana oko cilindra, a uobičajeno rukovanje neprestano radi protiv njega:
- Odsjaj celofana. Maloprodajna ambalaža odbija bljesak kamere ravno natrag u objektiv, isperavši upravo ona slova koja su potrebna OCR-u.
- Rotacija. Prsten fotografiran pod pogrešnim kutom oko opsega cigare skriva veći dio vlastitog teksta iza zakrivljenosti.
- Trošenje. Cigara nošena u džepu, putnoj kutiji ili jednostavno često dodirivana najprije dobiva ogrebotine koje zamute otisak folijom i tanku tintu.
- Namjerno uklanjanje. Mnogi pušači skinu prsten prije paljenja, što znači da fotografija snimljena tijekom pušenja (često upravo onaj trenutak kad netko stvarno želi identificirati cigaru koju mu je netko dao) nema prsten za skeniranje.
- Djelomični prstenovi. Neke vitole dolaze sa sekundarnim prstenom ili prstenom pri dnu koji nosi samo fragment punog naziva, ne cijeli naziv.
Ništa od ovoga nije rijetkost. To je uobičajeno stanje u kojem se cigara nalazi većinu vremena dok se stvarno puši – a to je upravo trenutak kad je najvjerojatnije da će netko posegnuti za telefonom.
Zašto "savršena" fotografija prstena sama po sebi nije dovoljna?
Zato što riječi otisnute na njemu možda nisu prepoznatljive. Znatan dio bilo kojeg stvarnog kataloga cigara nosi nazive modela sastavljene u potpunosti od općenitih opisnih riječi (pojmova poput "reserve", "especial", "maduro", "selection", "anniversary") bez ijedne jedinstvene, marki specifične riječi u nazivu. Paradigmine vlastite proizvodne dijagnostike pokazuju da se to odnosi na 13,3% unosa u katalogu: nazive sastavljene isključivo od riječi toliko općenitih da samo podudaranje teksta ne može suziti izbor, jer se posve iste riječi pojavljuju u desetcima nepovezanih linija različitih proizvođača.
Ako u sustav za podudaranje teksta unesete niz koji je samo općeniti rječnik, on nema nikakvo prepoznatljivo uporište za pretragu. To nije neuspjeh zbog kvalitete fotografije. OCR je obavio svoj posao, ispravno pročitao svako slovo, a pretraga i dalje ne može suziti izbor na jednu cigaru, jer sam tekst nikad nije bio jedinstven. Arhitektura skenera izgrađena isključivo oko teksta prstena nema način da to zaobiđe. Ne postoji drugi signal koji bi presudio.
Što bi zapravo trebalo biti drukčije da skener preživi loš prsten?
Prsten bi trebao tretirati kao jedan od nekoliko ulaznih podataka, a ne kao cijeli sustav. Pristup koji čita cijelu cigaru bilježi nijansu i teksturu omota, oblik vrha i način na koji je odrezan, te fizičke dimenzije (duljinu i promjer, tzv. ring gauge) uz sav dostupan tekst prstena, i sve to zajedno vaga. Više o tome što te vizualne naznake same po sebi govore pročitajte u članku što očekivati od omota i oblika cigare.
To je najvažnije upravo kad je prsten kompromitiran. Poderani ili odsutni prsten i dalje ostavlja boju omota, vidljiv stil vrha i približnu veličinu za rad: tri signala umjesto nula. Prsten s općenitim riječima, ali potpuno čitljiv, i dalje ostavlja vizualne dokaze koji mogu suziti popis koji sam tekst nije mogao zatvoriti. Nijedan od tih signala nije sam po sebi presudan. Zajedno, oni svode podudaranje s "nemoguće" na "vjerojatno", a to je cijela razlika između skenera koji tiho zakaže i onoga koji vas dovede dovoljno blizu da sami potvrdite pogledom. Za opću sliku pouzdanosti, uključujući i gdje čak i prepoznavanje na temelju više signala i dalje griješi, pogledajte koliko je točno AI prepoznavanje cigara.
Znači li to da je tekst na prstenu bezvrijedan?
Ne. Obično je to najbrži i najspecifičniji dostupan signal, i vrijedi ga pročitati prvog. Problem je u tome što se tretira kao jedini signal, pa se u trenutku kad je narušen ne može reći ništa korisno. Prsten koji se čisto čita i sadrži prepoznatljivu riječ vezanu uz marku gotovo je uvijek točan. Način zakazivanja specifičan je za suprotnu situaciju: loši uvjeti fotografiranja ili čitljiv, ali općenit naziv. Svaki sustav koji nema plan za tu kombinaciju zakazat će na predvidljivom, ponavljajućem dijelu stvarnih pokušaja – ne na rijetkom izuzetku, nego na običnoj cigari utorkom navečer, s celofanom još napola navučenim.
Možete li to sami testirati?
Da, neformalno. Uzmite prsten koji već možete prepoznati okom i pokušajte ga fotografirati na tri načina: ravno sprijeda u dobrom svjetlu, pod oštrim kutom, i kroz celofan s odsjajem bljeskalice u kadru. Provedite svaku fotografiju kroz skener koji testirate. Alat koji čita samo prsten vjerojatno će pogoditi prvu, a potpuno promašiti druge dvije, bez ikakvog djelomičnog odgovora ni u jednom slučaju, jer nema rezervni sloj. Sustav koji čita više od prstena trebao bi ipak dati približan rezultat kod teže dvije fotografije, čak i ako ne pogodi točnu liniju, jer omot i oblik nikamo nisu nestali.
| Uvjet | OCR samo prstena | Podudaranje cijele cigare |
|---|---|---|
| Čist prsten, prepoznatljiv naziv | Pouzdano | Pouzdano |
| Čist prsten, potpuno općenite riječi | Ne uspijeva suziti izbor | Omot/oblik/veličina sužavaju izbor |
| Poderan, izblijedio ili zakrenut prsten | Potpuno zakaže | Svodi se na uži popis |
| Prsten potpuno uklonjen | Nema nikakvog ulaznog podatka | Omot, vrh i veličina i dalje upotrebljivi |
Ukratko
- Skeneri koji čitaju samo prsten imaju točno jedan ulazni podatak, a taj je podatak često narušen uobičajenim rukovanjem, odsjajem ambalaže, rotacijom ili namjernim uklanjanjem.
- Znatan dio stvarnih unosa u katalogu (izmjereno na 13,3% u Paradigminim proizvodnim podacima) nosi nazive modela sastavljene isključivo od općenitih riječi, što onemogućava podudaranje teksta čak i na savršeno čitljivom prstenu.
- Sustav koji čita boju omota, oblik vrha i dimenzije uz tekst prstena ima na raspolaganju signale i onda kad sam prsten nije dovoljan.
- Nijedan pristup prepoznavanju nije nepogrešiv; praktično je pitanje što sustav radi u trenutku kad je njegov najbolji signal narušen.
- Svaki skener možete sami testirati u praksi pomoću tri fotografije jednog prstena: ravno sprijeda, pod kutom i kroz celofan.