
UPD от 11:35: UPD (бета-тест локальный OCR под 152-ФЗ): По следам обсуждения в комментариях полностью убрал передачу фотографий во внешние Vision-модели и перевёл распознавание изображений и сканов на российский сервер. Сначала быстро поднял RapidOCR на ONNX, но первый же боевой тест на русском полисе страхования показал, что его дефолтная модель плохо справляется с кириллицей (начинает подменять русские буквы латиницей и цифрами). В итоге перевёл контур на лёгкий Tesseract OCR ( tesseract-ocr-rus ) с предобработкой в OpenCV (масштабирование мелких шрифтов + шумоподавление bilateralFilter + выравнивание контраста CLAHE ) и рендером пустых PDF-сканов через PyMuPDF , а заодно усилил регулярки анонимайзера под адреса и даты рождения. Для лёгкого VPS без GPU сравнение двух подходов на боевом документе выглядело так: Читать далее
Continue to Habr →You are being forwarded in 6s — stay on this page