Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Optikai karakterfelismerő kvíz

Review OCR text conversion, sequence recognition, preprocessing, Tesseract, handwriting limits, and document-level visual models.

Kapcsolódó útmutató utakOptikai karakterfelismerés
kérdés 1 -ból 8

Mi az OCR fő feladata?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Mi az OCR fő feladata?
    • Szövegképek konvertálása géppel olvasható karakterkódokká
    • A képek tömörítésére, hogy azok kevesebb tárhelyet foglaljanak
    • A dokumentumok érzékeny szövegének automatikus elmosása
    • A beszédhang lefordítása írott feliratokká
  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. Miért gyakori előfeldolgozási lépés az OCR-folyamatokban a „ferdítés-mentesítés”?
    • Színt ad a fekete-fehér beolvasásokhoz
    • Titkosítja a dokumentumot az adatvédelem érdekében
    • Kiegyenesíti a döntött vagy elforgatott szöveget, így könnyebben olvasható
    • Megnöveli a fájl felbontását az eredetinél
  4. Ezek közül melyik a széles körben használt nyílt forráskódú OCR motor?
    • TensorBoard
    • Photoshop
    • FFmpeg
    • Tesseact
  5. Miért nehezebb a kézzel írt szöveg az OCR-nél, mint a nyomtatott szöveg?
    • A betűformák az írók között nagyon eltérőek, és gyakran kapcsolódnak egymáshoz vagy átfedik egymást
    • A kézírás mindig szokatlan tintaszíneket használ
    • A kézírás mindig nagyobb, mint a nyomtatott szöveg
    • A fényképezőgépek nem tudnak a kézzel írt oldalakra fókuszálni
  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