软件工程基础 微软OCR-Form-Tools体验

一点说明

这篇博客是软件工程基础（罗杰、任建）的第三次课程作业（个人项目作业）

项目	内容
这个作业属于哪个课程	软件工程基础（罗杰，任建）
这个作业的要求在哪里	作业要求的链接
我在这个课程的目标是	提升对软件工程的宏观和微观的全面认识，并加以实践
作业在哪些方面帮我实现目标	当了一把体验官！
我的教学班级	006

调研、评测

1. 下载与安装

• 网页直接访问：https://fott.azurewebsites.net/
• 本地部署：详细步骤请见博客 OCR-Form-Tools项目试玩记录（一）本地部署

2. 基本功能体验

使用10–30分钟这个软件的基本功能（请上传使用软件的照片）

在博客 OCR-Form-Tools项目试玩记录（二）产品评测 中，Mis Tariano详细介绍了软件的完整运行流程，我就不再赘述了，这里仅分享一下本人的一些功能体验。

Tag标记

模型训练

模型测试

数据导出

3. 直击痛点？

解决了用户的问题么？软件在数据量/界面/功能/准确度上各有什么优缺点？用户体验方面有问题么？

• 直击痛点：自主的Tag选择与训练、手写体的良好识别、Json格式的导出，我相信是目前为止PDF表单处理的最好解决方案之一；

• 数据量：邹欣老师给出的示例中，仅用5例训练就可以得到较好的模型，非常nice；

• 界面：微软家软件近几年来一贯的扁平风，舒适简约又不失设计感，整个流程体验下来非常丝滑；

• 准确度：在我有限的测试中，除去一些小的数字重复的BUG（详见下文），没有发现其他的正确性问题，其对于表格中各项内容的识别拥有极细的颗粒度，没有出现其他OCR工具常出现的词语粘连的问题；

4. BUG在哪里

下载, 部署并体验软件的功能，按照描述的bug定义，找出至少2个功能性bug。用专业的语言描述(每个bug不少于40字)，如有必要，可以配图。

• 功能性BUG

  • （Chrome浏览器）在 Tags Editor界面，使用 F11 快捷键进行全屏显示时，会弹出 “Type Error”的提示框。将提示框关闭后，发现其实可以正常全屏显示。（多次尝试，可复现）

    
    

    使用F11快捷键，弹出错误提示
    
    

    点击OK后，发现界面其实成功地全屏显示

  • 侧边浏览区域不能拖拽缩放，但是有拖拽提示

    
    

    当鼠标放置在边框处，会变成拖拽样式，但是根本无法对边框进行拖拽缩放

  • 对于number类型，偶尔出现的重复问题，这个重复似乎是随机的

    
    

    tag标注时，可以看到，日期的部分数字出现了重复
    
    

    对训练出来的模型进行测试时，日期同样出现了重复

• 广义的BUG（如果非得找出几个的话……）

  • 逻辑问题：鼠标放在Tag上，会显示出Tag的名字，这……本来就可以看到Tag的名字呀！我认为这里应该显示出更加有用的信息。

    
    

    建议这里弹出有用的信息，如Tag的类型等

  • 缩放问题：在编辑窗口，鼠标滚轮滚动一下缩放的比例与点击一下缩放按钮缩放的比例不同，前者是后者的3倍。这使得最便捷的鼠标滚轮缩放的跳动太大，变得不是很方便。

  • 还是缩放问题：无论我怎么调整，文档都无法刚好填满编辑窗口……（强迫症患者退出直播间）

    
    

    反复试探，都无法完美填满编辑窗口 :(

5. 结论（评价与意见）

总的来看，我给这个工具的评价为 “非常推荐”。

分析

1. 开发时间估计

使用此服务的所有功能，估计这个软件/网站/服务做到这个程度大约需要多少时间(团队人数6人左右，计算机专业的大学毕业生，并有专业UI支持)。

将一个项目打磨到现在这么精良，虽然功能专一，但是可以看出整个操作流程的细心考量，我估计需要2个月左右的时间。

2. 宇宙第一OCR？

分析这个软件目前的优劣(和类似软件相比)，这个产品的质量在同类产品中估计名列第几？

类似的软件大都是面向企业用户的，如智慧云识-智能表单识别，我无法获得使用权限，所以就拿这个工具与我做笔记时常常用到的天若OCR比较一下：

• 微软OCR部署在网站上，是通过网页进行交互的，而天若OCR有客户端，可以通过快捷键随时呼出，即时地进行识别；

• 微软OCR是开源项目，免费使用；天若OCR的商用是需要收费的，而个人用户要使用表格分列等功能则需要充值VIP；

• 微软OCR目前的功能专一而强大，专注于PDF表单的识别；天若OCR支持更多的格式如图片，但是其识别出来的信息缺乏规范；

  
  

  天若OCR的表单功能需要充值，日后一定补上 :)

3. 冷静分析.jpg

你在第一部分发现的bug，为何软件团队不能在发布前修复？他们是不知道，还是有意不修复？你觉得是什么原因？

我发现的都是一些小Bug，而且大都属于见仁见智的问题吧，我猜测是因为对该工具的定位不同，作为核心用户为企业而非个人的开源项目，这些小瑕疵是很容易被忽略的。

建议、规划

1. 市场分析

市场有多大？潜在的用户有多少？

每个公司或政府单位都要有财务，都要有各种报表、考勤表等等表格的处理，在大数据时代，将纸质数据信息化已经成了必然趋势。传统的效率低、易出错、成本高的人工数据录入方式必然被时代所淘汰，当各种表格“上网”以后，对于这些表格的进一步处理就成了亟待有效解决的问题。还是那句话，我认为微软表单OCR是当前最好的解决方案之一，市场空间巨大。

2. 用户分析

作为新的项目经理，这个产品的核心用户群是什么样的人，典型用户长什么样？学历，年龄，专业，爱好，收入，表面需求，潜在需求都是什么？

本开源项目的核心用户群应该是公司或事业单位，主要用于商业用途而且个人使用，整个使用逻辑都是为商业使用行方便的，比如项目完全上Azure云（应该也有基于扶持微软自家云服务的考量），个人使用起来是非常麻烦的。那么对于商业用于来说，他们的潜在需求就是更高的性价比了，或许学习成本并不十分重要。

3. 新的功能

功能：你要设计什么样的功能？为何要做这个功能，而不是其他功能？为什么用户会用你的产品/功能？你的创新在哪里？

我认为该开源项目切中了大量表单数据处理的痛点，拥有强大的深度学习内核，如果再拥有更加“傻瓜”的操作逻辑，一定会成为新的爆款应用。

• Excel导出：其实这个功能可以非常简单地实现，毕竟即使将Json格式的数据导入Excel进行人工规范也是非常轻松的。但是如果有直接导出为Excel的功能，我想会让该工具适用更广泛的用户和使用环境，现在的使用门槛还是有一些高的；
• 自动生成Tag：这个其实是“锦上添花”的功能吧，如果添加该功能，必须保证极高的正确性，否则自动生成所节约的时间全部又浪费在Tag的纠正上去了。

写在最后

第一次做一个软件的体验与测评，十分忐忑，写完以后，不禁长舒了一口气……如有（一定有）纰漏，望指正。