Mit dem Guide verknüpftes Quiz · Mittel Ebene

Quiz zur optischen Zeichenerkennung

Überprüfen Sie die OCR-Textkonvertierung, Sequenzerkennung, Vorverarbeitung, Tesseract, Handschriftbeschränkungen und visuelle Modelle auf Dokumentebene.

Verwandte FührungspfadeOptische Zeichenerkennung
Frage 1 von 8

Was ist die Kernaufgabe von OCR?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Was ist die Kernaufgabe von OCR?
    • Um Textbilder in maschinenlesbare Zeichencodes umzuwandeln
    • Um Bilder zu komprimieren, damit sie weniger Speicherplatz beanspruchen
    • Um sensiblen Text in Dokumenten automatisch unkenntlich zu machen
    • Gesprochenes Audio in geschriebene Untertitel übersetzen
  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. Warum ist „De-Skewing“ ein häufiger Vorverarbeitungsschritt in OCR-Pipelines?
    • Es verleiht Schwarz-Weiß-Scans Farbe
    • Es verschlüsselt das Dokument aus Datenschutzgründen
    • Schräger oder gedrehter Text wird gerade ausgerichtet, sodass er leichter lesbar ist
    • Dadurch wird die Auflösung der Datei über das Original hinaus erhöht
  4. Welche davon ist eine weit verbreitete Open-Source-OCR-Engine?
    • TensorBoard
    • Photoshop
    • FFmpeg
    • Tesserakt
  5. Warum ist handgeschriebener Text generell schwieriger für OCR als gedruckter Text?
    • Die Buchstabenformen variieren stark zwischen den Autoren und verbinden sich oft oder überlappen sich
    • Beim Handschreiben kommen immer ungewöhnliche Tintenfarben zum Einsatz
    • Handschrift ist immer größer als gedruckter Text
    • Kameras können nicht auf handgeschriebene Seiten fokussieren
  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