Тест, свързан с ръководство · Среден Ниво

Тест за оптично разпознаване на знаци

Прегледайте преобразуването на OCR текст, разпознаването на последователност, предварителната обработка, Tesseract, ограниченията на ръкописния текст и визуалните модели на ниво документ.

Свързани ръководни пътекиОптично разпознаване на знаци
Въпрос 1 на 8

Каква е основната задача на OCR?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Каква е основната задача на OCR?
    • За преобразуване на изображения на текст в машинночетими символни кодове
    • За компресиране на изображения, така че да заемат по-малко място за съхранение
    • За автоматично замъгляване на чувствителен текст в документи
    • За превод на изговорено аудио в писмени субтитри
  2. Which architecture lets OCR recognize a sequence without explicit character segmentation?
    • A fixed one-template-per-character lookup
    • A sequence recognizer trained with CTC or an attention decoder
    • A region-proposal network only
    • A color threshold rule
  3. Защо „отстраняването на изкривяването“ е обичайна стъпка на предварителна обработка в конвейерите за OCR?
    • Добавя цвят към черно-белите сканирания
    • Той криптира документа за поверителност
    • Той изправя наклонен или завъртян текст, така че да е по-лесен за четене
    • Той увеличава разделителната способност на файла над оригинала
  4. Кое от тях е широко използван OCR двигател с отворен код?
    • TensorBoard
    • Фотошоп
    • FFmpeg
    • Тесеракт
  5. Защо ръкописният текст обикновено е по-труден за OCR от печатния текст?
    • Формите на буквите варират значително между писателите и често се свързват или припокриват
    • Почеркът винаги използва необичайни цветове на мастилото
    • Почеркът винаги е по-едър от печатния текст
    • Камерите не могат да фокусират върху ръкописни страници
  6. What does the OCR-free Donut model do in document understanding?
    • It only de-skews images and never reads text
    • It processes a document image directly to produce task-specific text outputs without a separate OCR stage
    • It requires Tesseract output as its input for every task
    • It detects motion vectors between consecutive document frames
  7. What is CTC useful for in OCR?
    • Encrypting scanned pages
    • Correcting every spelling error
    • Training sequence predictions when input-frame and output-character alignment is not given
    • Finding legal signatures
  8. Why should OCR output be checked against the source image?
    • OCR always omits spaces
    • The source image is never available
    • Text recognition is legally inadmissible
    • Recognition can still err on degraded, unusual, or handwritten text