ocr.
Как мы написали свой OCR и автоматизировали горы первички
Когда внутренних заказчиков становится слишком много — каждый со своими хотелками и типом документов — поддерживать кучу отдельных сервисов уже нереально.
ИАД x Сайбокс
Если нет времени читать всё, то вкратце: в октябре 2025 года отрасль OCR‑моделей для распознавания бухгалтерских документов пережила настоящий взрыв качества их работы. Благодаря этому нам удалось увеличить точность и производительность наших моделей в продуктах ИАД и Сайбокс:Сократили длительность обработки счёта с 3–4 минут до 30 секунд с помощью замены тяжёлой Qwen2.5-VL-72B на оптимизированную nanonets‑ocr2-3b.На 70% уменьшили объём проверок вручную, что особенно полезно для инструмента по сравнению документов (модель перестала добавлять мусор, не выдумывает числа и не искажает структуру).
ЕСИА – не индульгенция: кто отвечает за ошибку идентификации и когда KYC можно строить без Госуслуг
Привет, Хабр! Представим: финансовая организация получает из ЕСИА подтвержденные сведения о клиенте, завершает дистанционную идентификацию и принимает его на обслуживание. Позднее выясняется, что операцию совершал мошенник. Паспорт оказался утраченным, изображение документа – отредактированным, а доступ к учетной записи – скомпрометированным.Кто отвечает? Оператор ЕСИА, потому что сведения пришли из государственной системы? Организация, которая приняла решение обслужить клиента? Или тот, кто когда-то разместил в системе недостоверные данные?
Почему слабым местом кредитного конвейера может оказаться не только ставка, но и плохой OCR
Привет, Хабр! Кредиты и все, что с ними связано – тема для многих весьма чувствительная. Мы в Smart Engines выступаем за то, чтобы сделать самые раздражающие процессы удобными и быстрыми. И в этом смысле распознавание документов – это редкий пример технологии, где интересы банка (сократить издержки), сотрудника (меньше рутины) и клиента (не ждать решение неделями) действительно совпадают. Под катом рассказываем, как автоматическое распознавание документов может трансформировать процесс кредитования в банках и как такие технологии становятся ключевым звеном кредитного конвейера.
Как мы превратили видео с робота в ML-хакатон по Computer Vision в ретейле
Привет, Хабр! На связи команда Lenta tech (ИТ-бренд «Группы Лента»). В 2025 году мы протестировали видеоаналитику полок в восьми супермаркетах Москвы. Стационарные камеры следили за напитками, водой и молочными продуктами: если товар заканчивался, сотрудник получал сигнал и подходил к полке. Робот показал себя отлично, в пилоте это сэкономило до 40% времени, которое раньше уходило на выкладку, и мы начали думать о том, как начать использовать его еще чаще и получить максимум пользы. Первостепенной задачей, конечно же, оставалась видеоаналитика товаров и цен.
Почему найти ценник мало: разбираем ML-задачу с движущейся камеры
Привет, Хабр! На связи команда Lenta tech (ИТ-бренд «Группы Лента»). В 2025 году мы протестировали видеоаналитику полок в восьми супермаркетах Москвы. Стационарные камеры следили за напитками, водой и молочными продуктами: если товар заканчивался, сотрудник получал сигнал и подходил к полке. Технология показала себя отлично, в пилоте это сэкономило до 40% времени, которое раньше уходило на выкладку, и мы начали думать о том, как начать использовать ее еще чаще и получить максимум пользы. Первостепенной задачей, конечно же, оставалась видеоаналитика товаров и цен.
Как математическая модель победила нейросеть: ректификация документов, сложенных втрое
Сегодня практически любую задачу компьютерного зрения пытаются решить нейронной сетью. Геометрическая ректификация документов — не исключение: современные модели умеют распрямлять даже скомканные листы бумаги.Реальность устроена иначе: никто не комкает деловые документы перед распознаванием, гораздо чаще их просто складывают пополам или втрое для удобства хранения или транспортировки. Поэтому большие нейросетевые модели на самом деле представляют скорее лишь научный интерес, а для практических целей куда полезнее придумать простой, но эффективный и быстрый алгоритм. В
Библиография тоже умеет галлюцинировать: что изменилось после защиты диплома
В апреле я уже писала на Хабр о своем дипломном проекте — системе для проверки подлинности источников в научных публикациях. Тогда до защиты оставалось около двух месяцев, проект еще был в состоянии живого прототипа, а я пыталась понять, что из задуманного получится довести до нормального рабочего вида.С тех пор проект успел заметно измениться.Во-первых, я защитила диплом. На 5. Работу еще отметили как лучшую в день защиты, так что этот факт я тоже оставлю здесь — не каждый день такое случается.
Как мы разрушили последний бастион бюрократии в HR и сократили время оформления сотрудников до нескольких секунд
Самый дорогой сотрудник для компании — тот, который уже найден, но еще не может приступить к работе.Каждый час между принятием решения о найме и фактическим выходом сотрудника означает потерянное рабочее время, дополнительную нагрузку на HR и задержку бизнес-процессов.И хотя кадровый документооборот давно стал электронным, само оформление сотрудников редко можно назвать быстрым. Причина проста — документы по-прежнему приходится получать, проверять, сопоставлять и переносить в корпоративные системы.
