近年來，學生黨們擁有了一款新的學習神器——拍照搜題。當遇到不會做的題目時，只需要對著題目拍照，手機中就會出現這道題目的詳細解答思路和答案。

“拍照搜題”背后的黑科技就是光學字符識別技術，即OCR。OCR是指電子設備，例如掃描儀或相機檢查紙上打印的字符，通過檢測暗、亮的模式確定其形狀，然后用字符識別的方法將形狀翻譯成計算機文字的過程。

OCR的應用領域十分廣泛。最早為我們熟知的“哪里不會點哪里”的點讀機就應用了OCR。點讀機的點讀筆中裝有一個掃描文字的攝像頭，當點讀筆接觸到書本后，便可將文字內容識別和提取。

作為常用的一款辦公軟件，掃描全能王可以實現“圖片轉文字”的功能。軟件可以識別各種文件類型中的文字信息，這是非常典型的OCR技術的應用。

目前，文本識別分為以下幾類：

·通用文字識別：一般是指如PDF等不規(guī)則文檔類的識別。

·卡證識別：包括身份證、銀行卡、營業(yè)執(zhí)照、名片、護照、港澳通行證、戶口本、駕駛證、行駛證等等。

·票據識別：包括增值稅發(fā)票、定額發(fā)票、火車票、出租車票、行程單、保單、銀行單據等等。

·其他：如車牌、車輛合格證、印章檢測等等。

隨著分類的不斷拓展，OCR技術的應用場景也越來越廣泛，以下是幾個應用較為成熟的領域：

·遠程身份認證：結合OCR和人臉識別技術，實現用戶證件信息的自動錄入，并完成用戶身份驗證。應用于金融保險、社保、O2O等行業(yè)，有效控制業(yè)務風險。

·內容審核與監(jiān)管：自動識別圖片、視頻中的文字內容，及時發(fā)現涉黃、涉暴、政治敏感、惡意廣告等不合規(guī)內容，規(guī)避業(yè)務風險，大幅節(jié)約人工審核成本。

·紙質文檔票據電子化：通過OCR實現紙質文檔資料、票據、表格的自動識別和錄入，減少人工錄入成本，提高輸入效率。

針對上述的場景，基于深度學習的技術而言，訓練數據的數量很大程度上影響了技術效果。

數據堂作為深耕于AI數據領域近10年的人工智能數據服務提供商，一直致力于為全球人工智能企業(yè)提供專業(yè)的數據服務。

依托自身的數據優(yōu)勢以及豐富的數據處理經驗，數據堂推出了系列OCR標注及轉寫數據，為相關技術應更廣泛的落地提供助力。

數據涵蓋8種語言、多種場景、不同拍攝角度、不同拍攝距離、不同光照條件。在標注方面，標注行級文本的四邊形框，行級文本轉寫。

四邊形框頂點偏差不超過五個像素為正確檢測，檢測框精度不低于95%，文本轉寫精度不低于95%，該數據可用于多國語言OCR任務。

數據涵蓋12種語言(6種亞洲語、6種歐洲語)，包括商店牌匾、站牌、海報、車票、路標、漫畫、井蓋畫、提示語、警示語、包裝說明、菜單、建筑物標志等多種自然場景。

在標注方面，標注行級文本的四邊形框，行級文本轉寫，四邊形框頂點偏差不超過五個像素為正確檢測，檢測框精度不低于97%，文本轉寫精度不低于97%。

數據包括自然場景圖片2,056張，互聯網圖像1,103張，文本圖像347張。在標注方面，行級內容用行級四邊形框標注、行級內容轉寫;豎列內容用豎列四邊形框標注、豎列內容轉寫。數據可用于多場景下的印地語識別、印地語拍照翻譯等任務。

數據包括自然場景圖片258張，互聯網圖像2,553張，文本圖像2,184張。在標注方面，行級內容用行級四邊形框標注、行級內容轉寫;豎列內容用豎列四邊形框標注、豎列內容轉寫。數據可用于多種場景下的越南語識別、越南語拍照翻譯等任務。

相比物體檢測識別，OCR由于包含傾斜文本框、低分辨率文字和文本版面多樣化的情況，因此OCR數據標注具有特殊性，標注成本更高。

數據堂的數加加Pro標注平臺支持私有化部署，能夠幫助企業(yè)快速、安全的對人工智能數據進行標注，為企業(yè)提供更專業(yè)、更安全的數據基礎設施。

（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）