基于人工智能技术的OCR
近年来，随着计算机视觉、自然语言理解、知识图谱等人工智能技术在OCR中的实际使用，OCR的性能和效率都得到了很大提升。通过深度学习的自适应学习驱动方式，能够更好地应对传统OCR产生的一些问题，简化参数预处理的流程，实现端到端的处理，提高OCR识别率。目前，基于人工智能技术的OCR在简体印刷文字方面的识别率已达98%以上。
人工智能OCR技术还能应用于具有多样性和复杂性的识别场景。如，不同大小、字体、颜色、亮度、对比度的文字，排列和对齐方式不相同的文字，图像的非文字区域与文字区域存在相似的纹理，低对比度、模糊断裂、残缺文字等。因此，人工智能OCR不仅能应用于文档的识别，还可应用于自然场景文字图像的识别。此外，人工智能OCR还能提高工作效率、节省大量成本。
基于此，将人工智能OCR应用在档案工作中，具有重要的作用和意义，必将成为支撑档案行业数字转型、智能升级、融合创新的重要基础。
人工智能OCR工作流程主要包括图像输入、文本检测、文本识别、人工确认、人工干预等。
首先，将需要识别的纸质档案数字化副本图像单个或批量导入OCR系统中。
其次，进行文本检测。文本检测主要是定位文字在数字图像中的位置，并进行位置标注。文本检测的方法主要有基于候选框的文本检测、基于语义分割的文本检测，以及基于两种方法的混合方法等。基于候选框的文本检测是先预生成若干候选框，之后再回归坐标和分类，最后经过NMS（非极大抑制）算法得到最终的检测结果；基于语义分割的文本检测是通过FPN（特征金字塔网络）直接进行像素级别的语义分割，并处理得到相关的坐标。
声明：此文版权归原作者所有，若有来源错误或者侵犯您的合法权益，您可通过邮箱与我们取得联系，我们将及时进行处理。邮箱
转载请注明：http://www.0431gb208.com/sjsbszl/1839.html
