แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการรู้จำอักขระด้วยแสง

ตรวจสอบการแปลงข้อความ OCR การจดจำลำดับ การประมวลผลล่วงหน้า Tesseract ขีดจำกัดการเขียนด้วยลายมือ และแบบจำลองภาพระดับเอกสาร

เส้นทางแนะนำที่เกี่ยวข้องการรู้จำอักขระด้วยแสง
คำถาม 1 ของ 8

งานหลักของ OCR คืออะไร?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. งานหลักของ OCR คืออะไร?
    • เพื่อแปลงรูปภาพข้อความให้เป็นโค้ดอักขระที่เครื่องอ่านได้
    • เพื่อบีบอัดรูปภาพเพื่อใช้พื้นที่จัดเก็บน้อยลง
    • เพื่อเบลอข้อความที่ละเอียดอ่อนในเอกสารโดยอัตโนมัติ
    • เพื่อแปลเสียงพูดเป็นคำบรรยายที่เป็นลายลักษณ์อักษร
  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. เหตุใด 'การเบี่ยงเบน' จึงเป็นขั้นตอนการประมวลผลล่วงหน้าทั่วไปในไปป์ไลน์ OCR
    • มันเพิ่มสีให้กับการสแกนขาวดำ
    • มันเข้ารหัสเอกสารเพื่อความเป็นส่วนตัว
    • ปรับข้อความที่เอียงหรือหมุนให้ตรงเพื่อให้อ่านได้ง่ายขึ้น
    • มันเพิ่มความละเอียดของไฟล์ให้มากกว่าต้นฉบับ
  4. ข้อใดต่อไปนี้เป็นกลไก OCR แบบโอเพ่นซอร์สที่ใช้กันอย่างแพร่หลาย
    • เทนเซอร์บอร์ด
    • โฟโต้ชอป
    • FFmpeg
    • เทสเซอร์แรค
  5. เหตุใดข้อความที่เขียนด้วยลายมือโดยทั่วไปจึงยากสำหรับ OCR มากกว่าข้อความที่พิมพ์
    • รูปร่างตัวอักษรแตกต่างกันอย่างมากระหว่างผู้เขียน และมักจะเชื่อมต่อหรือทับซ้อนกัน
    • ลายมือมักจะใช้สีหมึกที่ผิดปกติ
    • ลายมือมีขนาดใหญ่กว่าข้อความที่พิมพ์เสมอ
    • กล้องไม่สามารถโฟกัสไปที่หน้าที่เขียนด้วยลายมือได้
  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