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

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

 

# 人工智能 # 深度学习 # 计算机视觉
Logo
魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

揭秘易开发核心功能：页面信息提取与无障碍服务配置详解

易开发（DeveloperHelper）是一款专为Android开发者打造的快速开发工具，核心功能包括界面分析、页面信息提取、加固脱壳等，完美支持Android 9.0系统。本文将深入解析其两大核心功能——**页面信息提取**与**无障碍服务配置**，帮助开发者快速掌握使用技巧，提升开发效率。## 一、无障碍服务：易开发的核心引擎 🚀无障碍服务是易开发实现界面分析的基础，通过系统级别的

avatar 魔乐社区

CameraManager性能优化：提升iOS相机应用响应速度的10个技巧

CameraManager是一款简单易用的Swift类库，专为iOS开发者打造，提供了创建自定义相机视图所需的全部配置。在移动应用开发中，相机功能的响应速度直接影响用户体验，本文将分享10个实用技巧，帮助你优化CameraManager的性能，打造流畅的相机应用。### 1. 合理设置会话预设（Session Preset）会话预设直接影响相机的分辨率和性能消耗。在`Sources/Came

avatar 魔乐社区

如何使用copy-to-clipboard：3分钟快速实现浏览器文本复制功能

在现代网页开发中，实现浏览器文本复制功能是提升用户体验的重要环节。**copy-to-clipboard** 是一个轻量级 JavaScript 库，能够帮助开发者快速集成跨浏览器的文本复制功能，无需复杂的原生 API 操作。本文将带你3分钟掌握这个实用工具的使用方法，让你的网页轻松拥有一键复制功能。## 为什么选择 copy-to-clipboard？copy-to-clipboard

avatar 魔乐社区