Zašto aplikacije za prepoznavanje cigara tako često ne uspevaju kada je prsten oštećen ili nedostaje?
Zato što većina njih čita samo prsten i ništa drugo. Prstenovi se pohabaju, okrenu od kamere, umotaju u celofan ili se potpuno skinu. A čak i prsten koji je savršeno fotografisan često nosi naziv sastavljen od reči koje su previše generičke da bi bilo šta identifikovale: pravi, izmereni deo bilo kog kataloga, a ne izuzetak.
Šta zapravo radi skener koji čita samo prsten?
On pokreće prepoznavanje teksta (optičko prepoznavanje karaktera, OCR) na jednom malom papirnom prstenu i tretira sve što dobije kao kompletan odgovor. Uperite kameru, softver pročita odštampana slova i potraži taj niz karaktera u bazi podataka. To je ceo proces. Ne postoji pokušaj da se pročita boja omotača, oblik vrha, dužina ili prečnik, niti bilo šta drugo što je vidljivo na ostatku cigare. Ako se tekst na prstenu pročita čisto, aplikacija deluje kompetentno. Ako ne uspe, u procesu nema ničega drugog na šta bi se oslonila.
Prepoznaje se po tome kako se te aplikacije ponašaju kada je prsten prisutan, ali malo zakošen, ili kada je štampa izbledela od rukovanja. One ne otkazuju postepeno — potpuno otkazuju, jer je jedini signal koji su imale nestao. Sistem sa više od jednog ulaznog podatka može izgubiti jedan i i dalje dati razuman odgovor. Sistem sa tačno jednim ulaznim podatkom nema kuda da krene kada taj podatak nije dobar.
Zašto prsten tako često nedostaje ili je nečitljiv?
Prsten je mala traka papira omotana oko cilindra, a svakodnevno rukovanje stalno radi protiv njega:
- Odsjaj celofana. Maloprodajna ambalaža odbija blic kamere pravo nazad u objektiv, ispirajući baš ona slova koja su OCR-u potrebna.
- Rotacija. Prsten fotografisan pod pogrešnim uglom oko obima cigare sakriva veći deo sopstvenog teksta iza krivine.
- Habanje. Cigara nošena u džepu, putnoj kutiji ili jednostavno često dodirivana prva gubi oštrinu folije i tankog mastila.
- Namerno uklanjanje. Mnogi pušači skinu prsten pre paljenja, što znači da fotografija snimljena tokom pušenja (često upravo trenutak kada neko zaista želi da identifikuje cigaru koju mu je neko dao) nema prsten koji bi se skenirao.
- Delimični prstenovi. Neke vitole dolaze sa sekundarnim prstenom ili prstenom na dnu koji nosi samo fragment punog naziva, a ne ceo naziv.
Ništa od ovoga nije retko. To je uobičajeno stanje u kojem se cigara nalazi veći deo vremena dok se zapravo puši, a to je upravo trenutak kada neko najverovatnije poseže za telefonom.
Zašto "savršena" fotografija prstena sama po sebi nije dovoljna?
Zato što reči odštampane na njemu možda nisu prepoznatljive. Značajan deo bilo kog pravog kataloga cigara nosi nazive modela sastavljene isključivo od generičkih opisnih reči (termini poput "reserve", "especial", "maduro", "selection", "anniversary") bez ijedne jedinstvene, marki-specifične reči bilo gde u nazivu. Sopstvena proizvodna dijagnostika Paradigm-a pokazuje da je to 13,3% unosa u katalogu: nazivi sastavljeni samo od reči toliko generičkih da samo poređenje teksta ne može suziti izbor, jer se potpuno iste reči pojavljuju u desetinama nepovezanih linija različitih proizvođača.
Dajte mehanizmu za poređenje teksta niz koji je samo generički vokabular i on nema prepoznatljivu tačku oslonca za pretragu. Ovo nije problem kvaliteta fotografije. OCR je odradio svoj posao, pravilno pročitavši svako slovo, a pretraga ipak ne može da suzi na jednu cigaru, jer sam tekst od početka nije bio jedinstven. Arhitektura skenera izgrađena isključivo oko teksta prstena nema način da ovo prevaziđe. Ne postoji drugi signal koji bi presudio.
Šta bi zapravo bilo potrebno da skener preživi loš prsten?
Bilo bi potrebno da tretira prsten kao jedan od više ulaznih podataka, a ne kao ceo sistem. Pristup koji sagledava celu cigaru čita nijansu i teksturu omotača, oblik vrha i način na koji je odsečen, kao i fizičke dimenzije (dužinu i prečnik) zajedno sa bilo kojim dostupnim tekstom prstena, i sve to zajedno odmerava. Više o tome šta ti vizuelni znaci sami po sebi pokazuju pročitajte u tekstu šta očekivati od omotača i oblika cigare.
To je najvažnije upravo kada je prsten oštećen. Pocepan ili odsutan prsten i dalje ostavlja boju omotača, vidljiv stil vrha i okvirnu veličinu za rad: tri signala umesto nula. Prsten sa generičkim rečima, ali potpuno čitljiv, i dalje ostavlja vizuelne dokaze da suzi listu kandidata koju sam tekst nije mogao da zatvori. Nijedan od ovih signala sam po sebi nije presudan. Zajedno, oni svode poklapanje sa "nemoguće" na "verovatno", što je cela razlika između skenera koji tiho otkazuje i onog koji vas dovede dovoljno blizu da potvrdite pogledom. Za opštu sliku pouzdanosti, uključujući i gde čak i prepoznavanje sa više signala i dalje greši, pogledajte koliko je tačno AI prepoznavanje cigara.
Da li to znači da je tekst na prstenu bezvredan?
Ne. To je obično najbrži i najspecifičniji dostupan signal, i vredi ga pročitati prvog. Problem je u tome što se tretira kao jedini signal, pa se ne može reći ništa korisno onog trenutka kada je oštećen. Prsten koji se čisto čita i sadrži prepoznatljivu reč marke skoro uvek je tačan. Način otkazivanja je specifično ono što se dešava na drugoj strani toga: loši uslovi fotografisanja, ili čitljiv, ali generički naziv. Svaki sistem koji nema plan za tu kombinaciju će otkazati na predvidivom, ponavljajućem delu realnih pokušaja: ne na retkom izuzetku, već na običnoj cigari jedne obične večeri, dok je celofan još uvek napola navučen.
Da li ovo možete sami da testirate?
Da, neformalno. Uzmite prsten koji već možete prepoznati pogledom i pokušajte da ga fotografišete na tri načina: direktno pod dobrim svetlom, pod oštrim uglom, i kroz celofan sa odsjajem blica u kadru. Pustite svaku fotografiju kroz skener koji procenjujete. Alat koji čita samo prsten verovatno će pogoditi prvu, a potpuno promašiti preostale dve, bez ikakvog delimičnog odgovora ni u jednom slučaju, jer nema rezervni sloj. Sistem koji čita više od prstena trebalo bi da se približi rešenju i kod te dve teže fotografije, čak i ako ne pogodi tačnu liniju, jer omotač i oblik nikuda nisu nestali.
| Uslov | OCR samo prstena | Poređenje cele cigare |
|---|---|---|
| Čist prsten, prepoznatljiv naziv | Pouzdano | Pouzdano |
| Čist prsten, potpuno generičke reči | Ne uspeva da suzi izbor | Omotač/oblik/veličina sužavaju izbor |
| Pocepan, izbledeo ili zakošen prsten | Potpuno otkazuje | Svodi se na užu listu kandidata |
| Prsten potpuno uklonjen | Nema ulaznog podatka | Omotač, vrh i veličina i dalje upotrebljivi |
Kratka verzija
- Skeneri koji čitaju samo prsten imaju tačno jedan ulazni podatak, a taj podatak je često oštećen uobičajenim rukovanjem, odsjajem ambalaže, rotacijom ili namernim uklanjanjem.
- Značajan deo stvarnih unosa u katalozima (izmeren na 13,3% u proizvodnim podacima Paradigm-a) nosi nazive modela sastavljene isključivo od generičkih reči, što onemogućava poređenje teksta čak i na savršeno čitljivom prstenu.
- Sistem koji čita boju omotača, oblik vrha i dimenzije zajedno sa tekstom prstena ima na raspolaganju signale i kada sam prsten nije dovoljan.
- Nijedan pristup prepoznavanju nije nepogrešiv; praktično pitanje je šta sistem radi onog trenutka kada je njegov najbolji signal oštećen.
- Svaki skener možete sami testirati sa tri fotografije jednog prstena: direktno, pod uglom i kroz celofan.