OCR概述和认识

什么是OCR

文字识别, 计算机视觉重要方向之一.

• 自然场景文字识别: STR
• 文档场景文字识别: DAR

行业应用： 卡证票据信息抽取录入, 工厂自动化、政府工作医院等、在线教育.

OCR面临的难点和挑战 - 文字表现多样性

1.自然场景的文字表现变化很大

• 透视变换
• 尺度太小
• 文字弯曲
• 背景干扰
• 字体多变
• 都中语言
• 拍摄模糊
• 光照不足

  2. 文档场景的文字密集，需要结构化输出

• 表格
• 手写
• 褶皱
• 盖章

3. 垂类众多，数据不足

• OCR商业方案很难解决OCR垂类场景的所有问题
• 需要一个OCR套件，打通落地过程中每个环境，包括 数据生产、算法选型和训练,以及模型预测部署.

药品铝塑日期识别、蒙语识别、标牌编号识别

4. 预测效率要求高

• 在cpu上可以运行，节约资源
• 在端侧运行，安全和方便部署
• 效率和效果的折中.

模型大小、推理速度

因此： 一个OCR的工具库是很有必要的。