[Talk-cz] Import adres z katastralni mapy

Pátek Únor 12 23:38:12 UTC 2010

Ahoj,
ten copyright je vlevo nahoře, ale pak i na souřadnici cca [530,510] px.

Ta detekce bodů ... toho jsem si nevšiml. Jak to kontroluješ?

Check ... to značí opravdu i nepatrný překryv. Pokud si to není jisté,
tak je tam znak otazník a v hranatých závorkách seznam možností. Ještě
tam dám jednu kontrolu a mělo byt o být myslím 100% spolehlivé, když
tam nebude žádný červený bod chybět (tedy je třeba použít možnost a)
nebo b) vypořádání se s copyrightem).

Ořez před detekcí nedělám ... detekce si sama řídí, kdy skončit.

Check by nemělo být nic, co by bylo třeba ručně kontrolovat - až se
vyřeší ten copyright a přidám tam tu jednu drobnou kontrolu. Těch
možností, kdy se tam objeví otazník (není si to jisté) je myslím
minimum. Zatím se mi to nestalo.

Honza

2010/2/13 Petr Dlouhý <petr.dlouhy na email.cz>:
> Ahoj,
>
> ten copyright je jen úplně nahoře na každé dlaždici, nebo se pletu? Pokud
> tomu tak je, tak bych volil možnost a), protože je to minimum z velikosti
> dlaždice, a ty se už stejně stahují s přesahem (kvůli tomu, že se čísla
> kreslí jen na dlaždici s tečkou).
>
> Jinak jsem se koukal na ten skript, a zdá se to velice dobré. Myslím, že
> by stálo za to to přepočítat, vzhledem k tomu, že je to tak 20x rychlejší,
> tak to asi nebude problém udělat na jednou počítači.
>
> Chyby vidím následující:
>
> -Některé adresní body nejsou vůbec detekovány, a u některých je prázdný
> text (přestože jsou daleko od všeho).
> -Často se objevuje [CHECK] i u bodů, které byly detekovány správně. Pokud
> je to v případech, kdy se čísla už skutečně překrývají, tak OK. Jenom se
> ptám, jestli není možné zvolit agresivnější ořez před detekcí (pozor na
> jiné posunutí č.e. vs č.p.).
> -V případech, kdy se objeví [CHECK], tak by asi skript měl stáhnout číslo
> ve vyšším rozlišení a detekovat to.
>
>
> On Fri, 12 Feb 2010 22:05:40 +0100, Jan Bilak <jan.bilak.osm na gmail.com>
> wrote:
>
>> Zkousel jsem to na jednom kousku (cca 300 dlazdic) z centra Prahy.
>> Prehryvy tomu prakticky vubec nevadi a detekuje rozpozna to spravne.
>> Ale co tomu vadi, to je ten copyright. Zatím totiž beru v úvahu pouze
>> červenou barvu. Jsou 3 možnosti jak to řešit:
>>
>> a) stahovat dlaždice s překryvem tak, že se bude rozpoznávat pouze z
>> těch částí mapy, které copyright není. Výhody: Nejlepší výsledky.
>> Nevýhody: Nutnost stahovat více dat z WMS.
>>
>> b) považovat černou barvu za červenou. Výhody: Nejsou nutné úpravy
>> downloaderu, u rozpoznávače jen triviální změna 3 konstant. Nevýhody:
>> Drobné zhoršení rozpoznávání v případě překryvu copyrightu s popiskem
>> - pokud se to nešikovně trefí, tak bude třeba ruční rozpoznání, ale
>> nemusí to znamenat nic, i když se to trefí.
>>
>> c) Provádět ruční kontrolu všech popisků s překryvem (těch může být
>> hodně).
>>
>> Osobně považuji c) za špatné řešení. A mezi a) a b) nemám vyhrazený
>> názor. Možnost a) je sice teoreticky nejlepší, ale b) nemusí mít
>> postřehnutelně horší výsledky.
>>
>> Honza
>>
>>
>>
>> 2010/2/12 Jan Bilak <jan.bilak.osm na gmail.com>:
>>> Doplnil jsem tam chybějící číslici 4.
>>>
>>> Honza
>>>
>>> 2010/2/12 Jan Bilak <jan.bilak.osm na gmail.com>:
>>>> K vyzkoušení:
>>>> http://jabi.aspone.cz/osm/OcrBeta1.zip
>>>>
>>>> Má to stejné ovládání jako původní tile-processor, ale navíc možnost
>>>> logování:
>>>>
>>>> FindAddressPoints.exe -tiles test-dir-with-png-images -output test.csv
>>>> -log log.txt -all
>>>>
>>>> -log log.txt ... pokud se toto uvede, tak program bude logovat
>>>> nerozpoznané body nebo ty, které byly narušené překryvem.
>>>>
>>>> Pokud se uvede navíc -all, tak se budou logovat všechny body.
>>>>
>>>> Soubor charDef.txt obsahuje definici znaků nebo posloupnosti znaků. Je
>>>> to také textový soubor, který když zobrazíte fontem s pevnou šířkou,
>>>> tak je myslím význam jasný. Chybí tam číslice 4 posunutá dolů (tedy za
>>>> č.o.), protože jsem na nic při pokusech nenarazil. Soubor musí být při
>>>> spuštění v aktuálním adresáři.
>>>>
>>>> Honza
>>>>
>>>>
>>>> 2010/2/12 Jan Bilak <jan.bilak.osm na gmail.com>:
>>>>> Na slušné detekci překryvů právě pracuji a myslím, že rozhodně bude
>>>>> výrazně lepší než byla (to už je myslím teď). Ale stoprocentní
>>>>> samozřejmě ne - když překryv bude velký, tak to určitě nepůjde.
>>>>>
>>>>> Ale jinak si myslím, že generování dlaždic na serveru KN bude nějakou
>>>>> dobu trvat - a to, ať je na té dlaždici 5 bodů nebo třeba jen jeden. A
>>>>> také jim to bude zatěžovat servery, když se to přežene s rychlostí
>>>>> stahování (mnoho vláken apod.).
>>>>>
>>>>> Honza
>>>>>
>>>>>
>>>>> 2010/2/12 Petr Dlouhý <petr.dlouhy na email.cz>:
>>>>>> Kvůli překryvům - čísla se s rozlišením zmenšují.
>>>>>> Nevím, jak moc je tvůj algoritmus dokonalý v detekci překrývajících
>>>>>> se
>>>>>> číslic, ale nevěřím, že dokážeš spolehlivě poznat, kde číslo skončí.
>>>>>> Samozřejmě je to otázka nějakého kompromisu, ale většinu času předtím
>>>>>> zabralo počítání.
>>>>>>
>>>>>> Myslím, že ale to dynamické rozlišení, které navrhuješ, nemá moc
>>>>>> cenu,
>>>>>> protože ty dlaždice jsou v PNG, takže by bílé plochy neměly zabírat
>>>>>> příliš
>>>>>> mnoho datového objemu. To samé platí pro vyšší rozlišení - zpomalení
>>>>>> může
>>>>>> nastat spíš tím, že je nutné zpracovat větší množství obrazové
>>>>>> informace.
>>>>>>
>>>>>> On Fri, 12 Feb 2010 15:39:54 +0100, Jan Bilak
>>>>>> <jan.bilak.osm na gmail.com>
>>>>>> wrote:
>>>>>>
>>>>>>> Ahoj,
>>>>>>> k čemu větší rozlišení? Spíše jsem uvažoval nad dynamickým
>>>>>>> rozlišením
>>>>>>> ... tedy stahovat výřezy nejprve v malém rozlišení a podle toho
>>>>>>> detekovat oblasti, které obsahují adresní body. A jen tyto úseky
>>>>>>> stahovat ve vyšším (třeba stávajícím) rozlišení. To by mohlo ušetřit
>>>>>>> množství stahovaných dat. Přijde mi, že nejpomalejší bude právě
>>>>>>> stahování dlaždic z WMS, takže obecným zvýšením rozlišení by se čas
>>>>>>> prodloužil.
>>>>>>>
>>>>>>> Mimochodem - nemáte někdo stažené dlaždice z nějaké větší oblasti,
>>>>>>> které byste mohli někam hodit zazipované, abych to nemusel stahovat
>>>>>>> z
>>>>>>> WMS pro testování?
>>>>>>>
>>>>>>> Honza
>>>>>>>
>>>>>>>
>>>>>>> 2010/2/12 Petr Dlouhý <petr.dlouhy na email.cz>:
>>>>>>>> Ahoj,
>>>>>>>>
>>>>>>>> zní to dobře, jestli by to opravdu neznamenalo příliš mnoho času,
>>>>>>>> tak by
>>>>>>>> možná stálo za to data kvůli té chybě předělat (pokud navíc zlepší
>>>>>>>> detekci
>>>>>>>> u překryvů, nebo díky rychlosti umožní stahovat dlaždice s větším
>>>>>>>> zoomem,
>>>>>>>> tak to bude další plus).
>>>>>>>>
>>>>>>>> On Fri, 12 Feb 2010 04:25:19 +0100, Jan Bilak
>>>>>>>> <jan.bilak.osm na gmail.com>
>>>>>>>> wrote:
>>>>>>>>
>>>>>>>>> Ahoj,
>>>>>>>>>
>>>>>>>>> pokusná implementace je velmi rychlá a měla by být i spolehlivá.
>>>>>>>>>
>>>>>>>>> Zkoušel jsem to na 18 výřezech 4000x4000 px. Celkový čas 7.2 s.
>>>>>>>>> Průměrný čas zpracování jednoho souboru je 405 ms, průměrný čas
>>>>>>>>> zpracování jednoho adresního bodu je 17 ms. To vše v jednom
>>>>>>>>> vlákně a
>>>>>>>>> tedy to zatěžuje jen jedno jádro procesoru.
>>>>>>>>>
>>>>>>>>> Zítra to snad dodělám do použitelného stavu.
>>>>>>>>>
>>>>>>>>> Honza
>>>>>>>>>
>>>>>>>>>
>>>>>>>>> 2010/2/11 Petr Dlouhý <petr.dlouhy na email.cz>:
>>>>>>>>>> Ne, o to nejde. Ty čísla jsou už rozpoznaná, takže stačí předělat
>>>>>>>>>> pouze
>>>>>>>>>> ta
>>>>>>>>>> evidenční čísla (ty jsou posunutá trochu níž od tečky, takže je
>>>>>>>>>> tam ta
>>>>>>>>>> dvojka uřízlá), ve kterých je sedmička. Není problém v tom, že
>>>>>>>>>> by to
>>>>>>>>>> nešlo
>>>>>>>>>> uříznout o trochu níž. Problém je, že už jsme to udělali špatně,
>>>>>>>>>> takže
>>>>>>>>>> by
>>>>>>>>>> to bylo dobré napravit bez toho, abychom museli všechno
>>>>>>>>>> předělávat.
>>>>>>>>>>
>>>>>>>>>> On Thu, 11 Feb 2010 20:30:56 +0100, Stanislav Brabec
>>>>>>>>>> <utx na penguin.cz>
>>>>>>>>>> wrote:
>>>>>>>>>>
>>>>>>>>>>> Aha, tak to jsme si nerozuměli. Nejde naučit ho poznávat
>>>>>>>>>>> uříznutou
>>>>>>>>>>> dvojku? Pokud to ovšem nezvýší riziko chyby jinde.
>>>>>>>>>>
>>>>>>>>>>
>>>>>>>>>> --
>>>>>>>>>> Petr Dlouhý
>>>>>>>>>>
>>>>>>>>>> _______________________________________________
>>>>>>>>>> Talk-cz mailing list
>>>>>>>>>> Talk-cz na openstreetmap.org
>>>>>>>>>> http://lists.openstreetmap.org/listinfo/talk-cz
>>>>>>>>>>
>>>>>>>>>
>>>>>>>>> _______________________________________________
>>>>>>>>> Talk-cz mailing list
>>>>>>>>> Talk-cz na openstreetmap.org
>>>>>>>>> http://lists.openstreetmap.org/listinfo/talk-cz
>>>>>>>>
>>>>>>>>
>>>>>>>> --
>>>>>>>> Petr Dlouhý
>>>>>>>>
>>>>>>>> _______________________________________________
>>>>>>>> Talk-cz mailing list
>>>>>>>> Talk-cz na openstreetmap.org
>>>>>>>> http://lists.openstreetmap.org/listinfo/talk-cz
>>>>>>>>
>>>>>>>
>>>>>>> _______________________________________________
>>>>>>> Talk-cz mailing list
>>>>>>> Talk-cz na openstreetmap.org
>>>>>>> http://lists.openstreetmap.org/listinfo/talk-cz
>>>>>>
>>>>>>
>>>>>> --
>>>>>> Petr Dlouhý
>>>>>>
>>>>>> _______________________________________________
>>>>>> Talk-cz mailing list
>>>>>> Talk-cz na openstreetmap.org
>>>>>> http://lists.openstreetmap.org/listinfo/talk-cz
>>>>>>
>>>>>
>>>>
>>>
>>
>> _______________________________________________
>> Talk-cz mailing list
>> Talk-cz na openstreetmap.org
>> http://lists.openstreetmap.org/listinfo/talk-cz
>
>
> --
> Petr Dlouhý
>
> _______________________________________________
> Talk-cz mailing list
> Talk-cz na openstreetmap.org
> http://lists.openstreetmap.org/listinfo/talk-cz
>