Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ οπτικής αναγνώρισης χαρακτήρων

Ελέγξτε τη μετατροπή κειμένου OCR, την αναγνώριση ακολουθίας, την προεπεξεργασία, το Tesseract, τα όρια χειρογράφου και τα οπτικά μοντέλα σε επίπεδο εγγράφου.

Σχετικές διαδρομές οδηγώνΟπτική αναγνώριση χαρακτήρων
Ερώτηση 1 του 8

Ποια είναι η βασική δουλειά του OCR;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποια είναι η βασική δουλειά του OCR;
    • Για να μετατρέψετε εικόνες κειμένου σε αναγνώσιμους από μηχανή κωδικούς χαρακτήρων
    • Για συμπίεση εικόνων ώστε να καταλαμβάνουν λιγότερο χώρο αποθήκευσης
    • Για αυτόματη θόλωση ευαίσθητου κειμένου σε έγγραφα
    • Για να μεταφράσετε προφορικό ήχο σε γραπτούς υπότιτλους
  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. Γιατί η «αποστρέβλωση» είναι ένα κοινό βήμα προεπεξεργασίας στους αγωγούς OCR;
    • Προσθέτει χρώμα στις ασπρόμαυρες σαρώσεις
    • Κρυπτογραφεί το έγγραφο για απόρρητο
    • Διορθώνει το κεκλιμένο ή περιστρεφόμενο κείμενο, ώστε να είναι ευκολότερο να διαβαστεί
    • Αυξάνει την ανάλυση του αρχείου πέρα από την αρχική
  4. Ποιο από αυτά είναι μια ευρέως χρησιμοποιούμενη μηχανή OCR ανοιχτού κώδικα;
    • TensorBoard
    • Photoshop
    • FFmpeg
    • Tesseract
  5. Γιατί το χειρόγραφο κείμενο είναι γενικά πιο δύσκολο για το OCR από το έντυπο;
    • Τα σχήματα των γραμμάτων ποικίλλουν πολύ μεταξύ των συγγραφέων και συχνά συνδέονται ή επικαλύπτονται
    • Η γραφή χρησιμοποιεί πάντα ασυνήθιστα χρώματα μελανιού
    • Το χειρόγραφο είναι πάντα μεγαλύτερο από το τυπωμένο κείμενο
    • Οι κάμερες δεν μπορούν να εστιάσουν σε χειρόγραφες σελίδες
  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