引導式測驗 · 中等 等級

OCR 准确性:字符和单词错误率测验

測試 CER 和 WER 定義、標準化和標記化選擇,以及為什麼合計 OCR 錯誤率需要針對特定任務的文件檢查。

問題 1 的 8

字元錯誤率一般是如何計算的?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. 字元錯誤率一般是如何計算的?
    • (替換+刪除+插入)除以參考字元數
    • 正確字元除以已辨識字元數
    • 參考字數除以總編輯數
    • 替換僅除以參考字元數
  2. WER 與 CER 有何不同?
    • 在所有情況下它都使用識別的單字作為分母
    • 它衡量語義相似度而不是編輯距離
    • 它對單字層級的編輯操作進行計數並除以參考單字
    • 它僅測量標點符號差異
  3. 為什麼CER或WER可以超過1.0?
    • 即使沒有插入,僅替換和刪除也可能超出參考長度
    • 字元錯誤率將編輯次數除以已辨識字元數
    • 即使編輯計數小於參考值,空白標準化也可以使分數超過 1
    • 大量插入會使編輯次數超過參考長度
  4. 哪種標準化策略可以使 CER 比較在系統之間重現?
    • 小寫字串,但未指定標點符號、空格和 Unicode 處理
    • 精確的 Unicode、標點符號和空白轉換一致地應用於引用和輸出
    • 從引用中刪除標點符號,但將其保留在識別的輸出中
    • 僅標準化已識別的輸出,同時保持參考轉錄本不變
  5. 為什麼跨語言的 WER 比較可能很困難?
    • WER 不使用文字標記
    • 所有語言都以相同的方式定義空格分隔的單字
    • WER 忽略參考文字長度
    • 分詞和標記化規則可能因腳本和語言而異
  6. 整體 CER 較低會在文件工作流程中隱藏什麼?
    • 短標識符、總計或表格字段中的嚴重錯誤
    • 每個字元都被替換了
    • 未使用參考標準化
    • OCR 對下游萃取沒有影響
  7. 兩個 OCR 系統應該如何公平比較?
    • 將一個模型的訓練損失與另一個模型的測試 CER 進行比較
    • 選擇不同的參考文檔,以便每個系統都能看到其最佳案例
    • 使用相同的參考集、標準化、標記化和評分來實現
    • 使用每個系統的首選標準化並比較原始分數
  8. 對於發票,哪種措施檢查日期或總計是否正確作為 CER 或 WER 以外的完整欄位?
    • 頁面佈局的表格單元格邊界對齊
    • 提取日期、總計和識別符的字段級正確性
    • 每個文件的平均字元錯誤率
    • 單一字元預測的置信度校準