Глеб Кудрявцев — мастер AI

Пожаловались, что ocr сервис не детектит ориентацию. 1. Включил. В апишке был метод. Легко. 2. Сломались превью. Они не были предназначены для повернутых объектов. Ожидаемо. Починил. 3. Сломались bbox (детект границ смысловых кусков страницы). Неожиданно. Крутил с агентом час, что не так. Оказалось, детект ориентации принудительно запускает нормализацию документа, которая включает в себя нелинейные преобразования (растягивание, сжатие), в итоге bbox отдаются уже в этих новых координатах преобразованной страницы. 4. Так как сжатия нелинейны, то нельзя отдать просто scale-фактор, а нужно переписывать апи, чтобы назад отдавалась нормализованная страничка целиком картинкой, и уже поверх нее рисовались валидные bbox. 5. Апи переписывается, а я решил написать пост в блог. -> вы находитесь здесь. Все это конечно наполовину на проде, где слава богу мало пока кто чего успел купить и активно использовать (но при этом конечно у кого-то отвалилось и он пришел законно предъявлять, что за нах) 😁 Люблю инди-разработку. UPD Если вы думали, что все, то нет. Детектор поворота еще и принудительно анварпит картинку. И какими же он их делает? Кривые документы — прямыми и прекрасными. А прямые документы — КОСЫМИ. СУКА. Продолжение следует.