OCR: ಕಾಗದದ ಮೇಲಿನ ಮುದ್ರಿತ ಹಾಗೂ ಕೈಬರಹದ ಅಕ್ಷರಗಳನ್ನು ಕ್ಯಾಮೆರಾ ಹೇಗೆ ನಿಖರವಾಗಿ ಓದುತ್ತದೆ?

ಕ್ಯಾಮೆರಾ ಕಾಗದದ ಮೇಲಿನ ಮುದ್ರಿತ ಹಾಗೂ ಕೈಬರಹದ ಅಕ್ಷರಗಳನ್ನು ಹೇಗೆ ನಿಖರವಾಗಿ ಓದುತ್ತದೆ?

ನಿಮ್ಮ ಕೈಯಲ್ಲಿ ಒಂದು ಹಳೆಯ ಕನ್ನಡ ಕಾಗದದ ಆಸ್ತಿ ಪತ್ರವಿದೆ ಅಥವಾ ಅಂಗಡಿಯ ಕಚ್ಚಾ ಬಿಲ್ ಇದೆ. ನೀವು ಮೊಬೈಲ್ ಕ್ಯಾಮೆರಾ ಆನ್ ಮಾಡಿ ಗೂಗಲ್ ಲೆನ್ಸ್ ಅಥವಾ ಸ್ಕ್ಯಾನರ್ ಮೂಲಕ ನೋಡುತ್ತೀರಿ. ಕ್ಷಣಾರ್ಧದಲ್ಲಿ ಆ ಕಾಗದದ ಮೇಲಿರುವ ಪ್ರತಿಯೊಂದು ಪದವೂ ನಿಮ್ಮ ಫೋನ್‌ನಲ್ಲಿ ಕಾಪಿ ಮಾಡಬಹುದಾದ, ಎಡಿಟ್ ಮಾಡಬಹುದಾದ ಡಿಜಿಟಲ್ ಅಕ್ಷರಗಳಾಗಿ ಬದಲಾಗುತ್ತದೆ! ಅಕ್ಷರಗಳನ್ನು ಓದುವ ಈ ಅದ್ಭುತ ತಂತ್ರಜ್ಞಾನವನ್ನೇ ಚಿತ್ರದಲ್ಲಿನ ಅಕ್ಷರಗಳನ್ನು ಓದುವ ಡಿಜಿಟಲ್ ತಂತ್ರಜ್ಞಾನ (ಆಪ್ಟಿಕಲ್ ಕ್ಯಾರೆಕ್ಟರ್ ರೆಕಗ್ನಿಷನ್ ಅಥವಾ OCR) ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.

ಹಳೆಯ ಕಾಲದ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಳು ಸ್ಥಿರವಾದ ಅಚ್ಚುಗಳಿಗೆ ಅಕ್ಷರಗಳನ್ನು ಹೋಲಿಸುವ ಹಳೆಯ ಪದ್ಧತಿಯನ್ನು (ಟೆಂಪ್ಲೇಟ್ ಮ್ಯಾಚಿಂಗ್ ಅಥವಾ Template Matching) ಬಳಸುತ್ತಿದ್ದವು; ಕಾಗದ ಕೊಂಚ ಮಡಚಿದ್ದರೂ ಅಥವಾ ಅಕ್ಷರ ಓರೆಯಾಗಿದ್ದರೂ ಅವು ಓದಲು ವಿಫಲವಾಗುತ್ತಿದ್ದವು. ಆದರೆ ಇಂದಿನ ಆಧುನಿಕ ನ್ಯೂರಲ್ ಓಸಿಆರ್ ಮಡಚಿದ ಕಾಗದವನ್ನು ಡಿಜಿಟಲ್ ಆಗಿ ನೇರಗೊಳಿಸುವ (ಜ್ಯಾಮಿತೀಯ ನೇರಗೊಳಿಸುವಿಕೆ ಅಥವಾ Geometric Rectification) ತಂತ್ರಜ್ಞಾನವನ್ನು ಹೊಂದಿದೆ. ಚಿತ್ರದ ರೇಖೆ ಮತ್ತು ತಿರುವುಗಳನ್ನು ಗ್ರಹಿಸುವ ಕಣ್ಣಿನ ಮಾದರಿ (ವಿಷನ್ ಎನ್‌ಕೋಡರ್ ಅಥವಾ Vision Encoders) ಮತ್ತು ವಾಕ್ಯದ ಸಂದರ್ಭದಿಂದ ಅಸ್ಪಷ್ಟ ಪದ ಬಿಡಿಸುವ ಸಾಧನ (ಲ್ಯಾಂಗ್ವೇಜ್ ಡಿಕೋಡರ್ ಅಥವಾ Language Decoders) ಒಟ್ಟಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತವೆ.

ಹಳೆಯ ತಾಳೆಗರಿ ಶಾಸನಗಳನ್ನು ಓದುವ ವಿದ್ವಾಂಸನ ಕಥೆ

ಇದನ್ನು ಪ್ರಾಚೀನ ದೇವಾಲಯದ ಶಿಲಾಶಾಸನ ಅಥವಾ ತಾಳೆಗರಿಗಳನ್ನು ಓದುವ ಒಬ್ಬ ಅನುಭವಿ ವಿದ್ವಾಂಸನಿಗೆ ಹೋಲಿಸಬಹುದು. ಶಾಸನದಲ್ಲಿ ಕಾಲದ ಹೊಡೆತಕ್ಕೆ ಸಿಲುಕಿ ಒಂದು ಅಕ್ಷರ ಮಸುಕಾಗಿದ್ದರೆ, ವಿದ್ವಾಂಸ ಕೇವಲ ಆ ಮುರಿದ ಗೆರೆಯನ್ನು ನೋಡಿ ನಿಲ್ಲುವುದಿಲ್ಲ.

ಆತ ಹಿಂದಿನ ಪದ ಮತ್ತು ಮುಂದಿನ ಪದವನ್ನು ಓದುತ್ತಾನೆ. ವಾಕ್ಯದ ಒಟ್ಟಾರೆ ಅರ್ಥ ಮತ್ತು ಆ ಕಾಲದ ವ್ಯಾಕರಣವನ್ನು ಗ್ರಹಿಸಿ, 'ಇಲ್ಲಿ ಬರಬೇಕಾದ ಸರಿಯಾದ ಅಕ್ಷರ ಇದೇ' ಎಂದು ನಿಖರವಾಗಿ ಊಹಿಸುತ್ತಾನೆ. ಕಂಪ್ಯೂಟರ್ ಕೂಡ ಪುಟದ ಕೋಷ್ಟಕ ಮತ್ತು ಪ್ಯಾರಾಗಳ ವಿನ್ಯಾಸ ಗ್ರಹಿಸಿ (ಸ್ಪೇಷಿಯಲ್ ಲೇಔಟ್ ಪಾರ್ಸಿಂಗ್ ಅಥವಾ Layout Parsing), ಅಕ್ಷರ, ಸಂಖ್ಯೆ ಮತ್ತು ಚಿಹ್ನೆಗಳ ಮಿಶ್ರಣವನ್ನು (ಆಲ್ಫಾನ್ಯೂಮರಿಕ್ ಸರಪಳಿ ಅಥವಾ Alphanumeric Strings) ಹಾಗೂ ಕನ್ನಡ-ಇಂಗ್ಲಿಷ್ ಬೆರೆತ ಬರಹಗಳನ್ನು ಏಕಕಾಲದಲ್ಲಿ ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು (ಬಹುಭಾಷಾ ಓಸಿಆರ್ ಅಥವಾ Multilingual Recognition) ತೋರುತ್ತದೆ.

ಇಂದು ಮೊಬೈಲ್ ಒಳಗಿನ ವಿಶೇಷ ಎಐ ಪ್ರೊಸೆಸರ್ ಚಿಪ್ (ನ್ಯೂರಲ್ ಪ್ರೊಸೆಸಿಂಗ್ ಯೂನಿಟ್ ಅಥವಾ NPU) ಇರುವುದರಿಂದ ಇಂಟರ್ನೆಟ್ ಸಂಪರ್ಕವಿಲ್ಲದೆಯೂ ನಿಮ್ಮ ಸಾಧನದಲ್ಲೇ ಅಕ್ಷರಗಳನ್ನು ಅತ್ಯಂತ ವೇಗವಾಗಿ ಮತ್ತು ಖಾಸಗಿತನವನ್ನು ಕಾಪಾಡಿಕೊಂಡು ಓದಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. ನಿಮ್ಮ ಖಾಸಗಿ ಬ್ಯಾಂಕ್ ದಾಖಲೆಗಳು ಅಥವಾ ವೈದ್ಯಕೀಯ ಚೀಟಿಗಳು ಹೊರಗಿನ ಸರ್ವರ್‌ಗಳಿಗೆ ಹೋಗದೆ ನಿಮ್ಮ ಫೋನ್‌ನಲ್ಲೇ ಸುರಕ್ಷಿತವಾಗಿ ಸಂಸ್ಕರಣೆಯಾಗುತ್ತವೆ.

ದೈನಂದಿನ ಜೀವನದಲ್ಲಿ ನ್ಯೂರಲ್ ಓಸಿಆರ್ ಎಲ್ಲೆಲ್ಲಿ ಕ್ರಾಂತಿ ಮಾಡಿದೆ?

ಭಾರತದಲ್ಲಿ ವಿಶೇಷವಾಗಿ ನಮ್ಮ ಕನ್ನಡ ನಾಡಿನಲ್ಲಿ ಈ ತಂತ್ರಜ್ಞಾನವು ಸಾಮಾನ್ಯ ಜನರ ಬದುಕನ್ನು ಸುಲಭಗೊಳಿಸಿದೆ:

• ಯುಪಿಐ ಪಾವತಿಗಳ ಕ್ಯೂಆರ್ ಕೋಡ್ ಮತ್ತು ಬಿಲ್ ಸ್ಕ್ಯಾನಿಂಗ್: ಅಂಗಡಿಗಳಲ್ಲಿ ಬಿಲ್ ಸ್ಕ್ಯಾನ್ ಮಾಡಿ ಮೊತ್ತವನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ನಮೂದಿಸುವುದು ಮತ್ತು ಫೋನ್ ಪೇ, ಗೂಗಲ್ ಪೇ ಮೂಲಕ ಸುಲಭ ಪಾವತಿ.
• ಸರ್ಕಾರಿ ದಾಖಲೆಗಳು ಮತ್ತು ಪಹಣಿ (RTC) ಡಿಜಿಟಲೀಕರಣ: ಹಳೆಯ ಭೂದಾಖಲೆಗಳು ಮತ್ತು ಸೇವಾ ಸಿಂಧು ಅರ್ಜಿಗಳ ಕೈಬರಹವನ್ನು ಡಿಜಿಟಲ್ ರೂಪಕ್ಕೆ ತಂದು ಸಾರ್ವಜನಿಕರಿಗೆ ಒದಗಿಸುವುದು.
• ವಿದ್ಯಾರ್ಥಿಗಳ ಅಧ್ಯಯನ ಟಿಪ್ಪಣಿಗಳು: ಗೆಳೆಯರ ನೋಟ್‌ಬುಕ್ ಪುಟಗಳನ್ನು ಕೇವಲ ಫೋಟೋ ತೆಗೆದು ತಕ್ಷಣವೇ ಎಡಿಟ್ ಮಾಡಬಹುದಾದ ಟೆಕ್ಸ್ಟ್ ಆಗಿ ಬದಲಾಯಿಸಿಕೊಳ್ಳುವುದು.
• ದೃಷ್ಟಿಹೀನರಿಗೆ ಧ್ವನಿ ಸಹಾಯಕ: ಕಣ್ಣು ಕಾಣದ ಹಿರಿಯರಿಗೆ ಕಾಗದದ ಮೇಲಿನ ಪುಸ್ತಕ ಅಥವಾ ಔಷಧಿ ಚೀಟಿಯನ್ನು ಕ್ಯಾಮೆರಾ ಮೂಲಕ ಓದಿ ಧ್ವನಿಯಾಗಿ ಕೇಳಿಸುವ ಅದ್ಭುತ ನೆರವು.

ಉತ್ತಮ ಸ್ಕ್ಯಾನಿಂಗ್ ಫಲಿತಾಂಶ ಪಡೆಯಲು ಸರಳ ಸಲಹೆಗಳು

ಕ್ಯಾಮೆರಾ ಅಕ್ಷರಗಳನ್ನು ತಪ್ಪಿಲ್ಲದೆ ಓದಲು ಈ ಕ್ರಮಗಳನ್ನು ಅನುಸರಿಸಿ:

• ಕಾಗದದ ಮೇಲೆ ಸಮತಟ್ಟಾದ ಬೆಳಕು ಇರಲಿ: ಹೊಳೆಯುವ ಕಾಗದದಿಂದ ಕಣ್ಣು ಕೋರೈಸುವ ಬೆಳಕು (ಸ್ಪೆಕ್ಯುಲರ್ ಗ್ಲೇರ್ ಅಥವಾ Specular Glare) ಬೀಳದಂತೆ ನೋಡಿಕೊಳ್ಳಿ; ದೀಪದ ಬೆಳಕು ಓರೆಯಾಗಿರಲಿ.
• ಕ್ಯಾಮೆರಾವನ್ನು ನೇರವಾಗಿ ಹಿಡಿಯಿರಿ: ಕಾಗದಕ್ಕೆ ಸಮಾನಾಂತರವಾಗಿ ಮೊಬೈಲ್ ಹಿಡಿದು ಫೋಟೋ ತೆಗೆದರೆ ಅಕ್ಷರಗಳ ವಿರೂಪತೆ ಕಡಿಮೆಯಾಗುತ್ತದೆ.
• ಸಂಖ್ಯೆಗಳು ಮತ್ತು ಐಎಫ್‌ಎಸ್‌ಸಿ ಕೋಡ್‌ಗಳನ್ನು ಕಣ್ಣಾರೆ ಪರಿಶೀಲಿಸಿ: ಬ್ಯಾಂಕ್ ಖಾತೆ ಸಂಖ್ಯೆ ಅಥವಾ ಆಧಾರ್ ಸಂಖ್ಯೆಗಳಲ್ಲಿ 'O' ಮತ್ತು '0' ಅಥವಾ '1' ಮತ್ತು 'I' ನಡುವೆ ಕಂಪ್ಯೂಟರ್ ಗೊಂದಲಗೊಳ್ಳಬಹುದು; ಸೂಕ್ಷ್ಮ ಅಂಕಿಗಳನ್ನು ಒಮ್ಮೆ ಕಣ್ಣಾರೆ ತಾಳೆ ನೋಡಿ.

ಕಾಗದದ ಮೇಲಿನ ಸಾಂಪ್ರದಾಯಿಕ ಜ್ಞಾನವನ್ನು ಡಿಜಿಟಲ್ ಯುಗಕ್ಕೆ ಬೆಸೆಯುವಲ್ಲಿ ನ್ಯೂರಲ್ ಓಸಿಆರ್ ಒಂದು ಶಕ್ತಿಶಾಲಿ ಸೇತುವೆಯಾಗಿದೆ. ಇದರ ಸರಿಯಾದ ಬಳಕೆಯು ನಮ್ಮ ಸಮಯ ಮತ್ತು ಶ್ರಮವನ್ನು ಉಳಿಸಿ ದಕ್ಷತೆಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ.