Экспериментальное исследование точности и вычислительной эффективности OCR-моделей при распознавании печатного и рукописного текста

В статье проводится сравнительный анализ точности и вычислительной эффективности современных моделей оптического распознавания текста (OCR) при обработке печатного и рукописного русского текста. В качестве объектов исследования рассматриваются системы PaddleOCR, Tesseract OCR, EasyOCR и Surya OCR, протести рованные на специализированных датасетах, включающих как печатные, так и рукописные тексты. Анализ результатов показывает, что для печатных текстов наилучшее качество распознавания демонстрирует Tesseract OCR, что обусловлено ее ориентацией на обработку структурированных и регулярных символов. В то же время EasyOCR проявляет себя как наиболее сбалансированное решение, обеспечивая высокую скорость работы при стабильном уровне качества. Для рукописных данных эффективность моделей существенно снижа ется, однако Surya OCR показывает лучшие результаты на реальных рукописных текстах, что свидетельствует о ее большей адаптивности к вариативности почерка. Tesseract OCR при этом остается наиболее эффективным с точки зрения вычислительных затрат, тогда как PaddleOCR уступает другим моделям как по качеству, так и по эффективности использования ресурсов. Проведенное исследование подтверждает, что универсального решения для всех типов текстов в настоящее время не существует, и выбор OCR-модели должен определяться характером входных данных и доступными вычислительными ресурсами. Полученные результаты указывают на перспективность разработки гибридных подходов, способных сочетать преимущества различных архитектур, а также на необходимость дальнейших ис следований в области повышения качества распознавания рукописного текста и оптимизации вычислительной эффективности моделей.