【学习笔记】AI全栈成长计划-AI应用篇-第一章:企业应用最广泛的AI案例开发 OCR文字识别

网友投稿 707 2022-05-30

1、OCR简介

光学字符识别(Optical Character Recognition, OCR)是指对文本资料的图像文件进行分析识别处理,获取文字及版面信息的过程。亦即将图像中的文字进行识别,并以文本的形式返回。

2、OCR应用场景

1)针对图片类识别

2)文档类识别场景

3)拍照表单类场景

4)自然场景(比如车牌识别、摄像监控、自动驾驶等)

3、OCR流程

图像预处理:去噪、灰度化、图像增强等

文本检测:滑动窗口算法遍历整张图片

常见的算法包括: Faster R-CNN、FCN、RRPN、TextBoxes、 DMPNet 、 CTPN、 SegLink

字符分类:划分单个字符,识别单字

文本识别:引入上下文的信息,成为了提升条目准确率的关键

4、华为云OCR端到端OCR流程

1)准备一张含有文字的原图

2)对原图进行文字位置的监测,检测结果可能是水平矩形框,也可能是倾斜矩形框

3)从原图中把文字框对应的图片切下来,并旋转正,得到水平的文字块切片图

【学习笔记】AI全栈成长计划-AI应用篇-第一章:企业应用最广泛的AI案例开发 OCR文字识别

4)对每个文字块切片图依次进行字符识别,每个切片图的识别结果汇总起来,就得到原图的文字识别结果

总结:输入原图->文字检测->文字块切片->字符识别->识别结果汇总

OCR

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:《Linux系统安全:纵深防御、安全扫描与入侵检测 》 —2.10 本章小结
下一篇:[Python3 网络爬虫开发实战] 1.9.4-Scrapyd API 的安装
相关文章