Каждый день через OCR-систему Wildberries проходит миллионы изображений, распознавать текст на которых нужно на разных языках, под любым углом и даже на изогнутых поверхностях.
При таких масштабах важны не только качество распознавания, но и скорость, стоимость, возможность локализовать ошибки и развивать систему без риска сломать то, что уже работает.
В новой статье на Хабре DS-команда «Платформа модерации» RWB рассказала:
— Почему универсальные VLM и end-to-end OCR-модели не подходят для всего потока.
— Как устроен OCR-пайплайн из семи этапов: от сегментации и выпрямления текста до распознавания и кластеризации.
— Как мы работаем с 10+ языками и масштабируем отдельные модели под нагрузку.
— Зачем всё-таки используем VLM и какую задачу она решает.
Разбираем архитектуру OCR на реальных продакшен-кейсах и объясняем, почему несколько специализированных моделей иногда лучше одной универсальной.
➡️ Читать