建平台网站费用,火车头采集器网站被k,wordpress分析,国内最大的摄影网站一、OCR基础
任务要求#xff1a; 工作原理
OCR#xff08;Optical Character Recognition#xff0c;光学字符识别#xff09;是指电子设备#xff08;例如扫描仪或数码相#xff09;检查纸上打印的字符#xff0c;经过检测暗、亮的模式肯定其形状#xff0c;而后用…一、OCR基础
任务要求 工作原理
OCROptical Character Recognition光学字符识别是指电子设备例如扫描仪或数码相检查纸上打印的字符经过检测暗、亮的模式肯定其形状而后用字符识别方法将形状翻译成计算机文字的过程;即针对印刷体字符采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件并经过识别软件将图像中的文字转换成文本格式供文字处理软件进一步编辑加工的技术。如何除错或利用辅助信息提升识别正确率是OCR最重要的课题ICRIntelligent Character Recognition的名词也随之产生。
一般技术流程为 应用场景
根据OCR的应用场景而言我们可以大致分成识别特定场景下的专用OCR以及识别多种场景下的通用OCR。就前者而言证件识别以及车牌识别就是专用OCR的典型案例。针对特定场景进行设计、优化以达到最好的特定场景下的效果展示。那通用的OCR就是使用在更多、更复杂的场景下拥有比较好的泛性。在这个过程中由于场景的不确定性比如:图片背景极其丰富、亮度不均衡、光照不均衡、残缺遮挡、文字扭曲、字体多样等等问题会带来极大的挑战。
**文档文字识别**可以将图书馆、报社、博物馆、档案馆等的纸质版图书、报纸、杂志、历史文献档案资料等进行电子化管理实现精准地保存文献资料。
**自然场景文字识别**识别自然场景图像中的文字信息如车牌、广告干词、路牌等信息。对车辆进行识别可以实现停车场收费管理、交通流量控制指标测量、车辆定位、防盗、高速公路超速自动化监管等功能。
**票据文字识别**可以对增值税发票、报销单、车票等不同格式的票据进行文字识别可以避免财务人员手动输入大量票据信息如今已广泛应用于财务管理、银行、金融等众多领域。
**证件识别**可以快速识别身份证、银行卡、驾驶证等卡证类信息将证件文字信息直接转换为可编辑文本可以大大提高工作效率、减少人工成本、还可以实时进行相关人员的身份核验以便安全管理。
以及金融领域具体应用场景
**自动化文档处理**通过OCR技术识别和提取文档关键信息后利用关键信息进行文档分类、文档重命名、目录创建与归档工作
**发票识别**文字检测识别根据发票内容信息特点提取所需的内容。
**合同分析**通过OCR识别智能结构化抽取合同关键信息支持图片、PDF、word多种格式可通过API接口传输至企业业务系统协助企业工作人员完成自动填单、内容一致性检查让合同审阅更高效。
★商业化方案及其优缺点
1.paddleOCR
飞桨首次开源文字识别模型套件PaddleOCR目标是打造丰富、领先、实用的文本识别模型/工具库。最新开源的超轻量PP-OCRv3模型大小仅为16.2M。同时支持中英文识别支持倾斜、竖排等多种方向文字识别支持GPU、CPU预测用户既可以通过PaddleHub很便捷的直接使用该超轻量模型也可以使用PaddleOCR开源套件训练自己的超轻量模型。 优点 轻量模型执行速度快 支持pip直接安装 ocr识别效果好效果基本可以比肩大厂收费ocr非高精版 支持表格和方向识别 支持补充训练且很方便 缺点 部分符号识别效果一般如 |‘识别为’1’ 对于部分加粗字体可能出现误识别需要自己补充训练 偶尔会出现部分内容丢失的情况
源文档配套教程安装使用说明
2.CnOCR
CnOCR 是 Python 3 下的文字识别Optical Character Recognition简称OCR工具包支持简体中文、繁体中文部分模型、英文和数字的常见字符识别支持竖排文字的识别。自带了20个训练好的识别模型适用于不同应用场景安装后即可直接使用。同时CnOCR也提供简单的训练命令供使用者训练自己的模型。
优点 轻量模型执行速度快速度略快于paddle ocr支持pip直接安装ocr识别效果好识别效果比肩paddle ocr支持训练自己的模型 缺点 部分符号识别效果差部分场景下会出现空格丢失情况模型补充训练没有paddle ocr方便
源文档配套教程安装使用说明
3.chinese_lite OCR
超轻量级中文 ocr支持竖排文字识别, 支持 ncnn、mnn、tnn 推理, 模型大小仅4.7M。 优点 轻量模型执行速度快速度优于CnOCR和Paddle OCR ocr识别效果尚可优于一般开源模型但比不上CnOCR和Paddle OCR 作者提供了多种语言下的Demo 缺点 不支持pip安装文本位置识别略差不支持补充训练类手写字体识别效果一般部分场景下会出现误识别竖版文字的情况
例如
姓 名 张三
性 别 男
年 龄 19
户 籍 北京误识别为 姓性年户原文配套安装使用说明
4.EasyOCR
EasyOCR是一个用于从图像中提取文本的python模块。它是一种通用的OCR可以读取自然场景文本和文档中的密集文本。我们目前正在支持80多种语言并不断扩展。 优点 支持pip安装但需要自己手动下载模型 ocr识别效果尚可优于一般开源模型 缺点 速度很慢900 * 1200像素图片平均需要30s左右 不支持补充训练
5.Tesseract OCR
Tesserat OCR 是一款可在各种操作系统运行的 由Google开发的OCR引擎。它可以免费使用并支持多种语言。虽然它没有一个官方的云工具但是它可以集成到各种编程语言和应用程序中因此可以很容易地创建自己的OCR云工具。 优点 支持补充训练 缺点 安装使用困难不支持pip安装官网下载配置教程Tesseract-OCR 下载安装和使用 中文识别效果差
官方文档
6.Google Vision API
Google Cloud Vision API是谷歌提供的云端视觉分析服务可以通过API调用来实现图像分析、OCR文字识别等功能。相比于Tesseract OCR它具有更强大的图像分析能力和更便捷的使用方式。
总结
paddle ocr和cnocr两者都能实现商业化精准度。其中cnocr执行速度快速度略快于paddle ocr识别效果比肩paddle ocr但paddle ocr模型补充训练方便
某些场景下如小图片且对速度要求较高可以尝试使用chinese_lite ocr.
此外由部分stackoverflow用户反馈可知paddle和Tesseract的区别如下 数据来源区别Tesseract对印刷体扫描文档效果更好paddle更适用于手写体等场景但二者都支持训练 速度区别CPU情况下T优于P但paddle在GPU支持下比Tesseract速度快出一大截 预处理区别如果不提供预处理例如二值化对RGB图像而言paddle的效果优于Tesseract。在二值化情况下Tesseract的长文本效果通常优于paddle 正确率精度差别T的表现略高于P主要原因是paddle主要有单词和标点之间缺少空格的问题但易于纠正在后处理算法之后精度与Tesseract相当。且非90度旋转中表现良好。 模型大小P的轻量级模型大小为2MB左右T则为23MB左右 数据安全……
某个国外帖子显示的数据 技术难点
1.不同拍摄角度:指通过正拍、斜拍和图像反转等不同角度进行拍摄;
2.不同光线:指在亮光(可能会出现反光)、暗光和部分亮光部分暗光的情形下拍摄;
3.文字不清晰:指存在因污损、遮挡、折痕、印章、背景纹理等造成文字不清楚的样本;
4.边框不完整:主要指图片样本中物体(证件、票据、车牌等)边框没有完整出现在画面中;
5.其他特殊情况:主要指卡证类样本需考虑带有少数民族文字、生僻字同时考虑到证件等用于高安全场景对复印、扫描、屏幕翻拍、PS等样本进行告警;印刷体样本需考虑不同字号、不同排版方向以及弯曲的文本。
评价指标
OCR评价指标包括字段粒度和字符粒度的识别效果评价指标。
以字段为单位的统计和分析适用于卡证类、票据类等结构化程度较高的OCR应用评测。以字符(文字和标点符号)为单位的统计和分析适用于通用印刷体、手写体类非结构化数据的OCR应用评测。具体指标包括以下几个: 此外从服务角度来说识出率准确率、平均耗时处理速度、数据安全等也是衡量OCR系统好坏的指标之一。
参考文档
csdn:OCR入门教程系列一OCR基础导论
OCR识别技术的应用电子资料自动重命名与归档
csdn:6款开源中文OCR使用介绍亲测效果
使用Tesseract OCR、Google Cloud Vision API的区别
Stack Overflow:与Tesseract相比PaddleOCR的性能如何
Put to Test: PaddleOCR Engine Example and Benchmark
csdn:PaddleOCR训练属于自己的模型详细教程从打标制作数据集训练到应用以行驶证识别为例
利用OCR解决增值税发票内容文本识别涉及paddleOCR区域分割视平面变换
Tesseract-OCR 下载安装和使用
Tesseract OCR 下载及安装教程 中英文语言包
pythonTesseract OCR实现截屏识别文字
