Ti idanimọ ohun kikọ Optical
Idanimọ ohun kikọ Optical (OCR) yi awọn aworan ọrọ pada — awọn iwe aṣẹ ti a ṣayẹwo, awọn fọto ti awọn ami, PDFs — sinu ẹrọ-ṣeékà, ọrọ atuntu.
Akopọ
It is the bridge that makes the printed and handwritten world searchable and computable.
Jin Dive
OCR ṣe iyipada awọn piksẹli ti o dabi awọn lẹta sinu awọn koodu ihuwasi gangan ti kọnputa le fipamọ ati ṣatunkọ. OCR Ayebaye ṣiṣẹ ni awọn ipele: nu ati de-skew aworan naa, wa awọn agbegbe ọrọ, pin wọn si awọn laini ati awọn glyphs kọọkan, lẹhinna ṣe lẹtọ glyph kọọkan nipa ibaamu apẹrẹ rẹ si awọn ilana ti a mọ. OCR ode oni jẹ nkankikan pupọ: nẹtiwọọki convolution kan n ka awọn ẹya wiwo, ati awoṣe ọkọọkan kan (nigbagbogbo pẹlu pipadanu CTC tabi oluyipada ti o da lori akiyesi) sọ asọtẹlẹ gbogbo awọn okun laisi nilo ipin ohun kikọ pipe. Eyi n kapa ikọwe, awọn lẹta agbekọja, ati awọn akọwe oriṣiriṣi dara julọ. Awọn enjini bii Tesseract, pẹlu awọn iṣẹ awọsanma lati Google, Amazon, ati Microsoft, ni bayi de deedee ga julọ lori titẹ mimọ ati mu awọn dosinni ti awọn ede ati awọn iwe afọwọkọ mu.
Imọ-imọ-ẹrọ
Aṣeyọri pataki kan ni Isọri Igba otutu Connectionist (CTC). Awọn ọna ṣiṣe ti ogbo ni lati ge ọrọ kan sinu awọn lẹta lọtọ ṣaaju ki o to mọ wọn - aṣiṣe-prone nigbati awọn lẹta ba kan tabi smear. CTC jẹ ki nẹtiwọọki loorekoore tabi ẹrọ oluyipada jade iṣeeṣe kan fun ohun kikọ kọọkan ni bibẹ pẹtẹẹsì kọọkan ti aworan naa, lẹhinna ṣubu lulẹ ati awọn ofo lati gbe ọrọ ikẹhin jade. Eyi yọ igbesẹ ipin brittle kuro ati jẹ ki awoṣe kọ ẹkọ titete laarin awọn piksẹli ati awọn ohun kikọ laifọwọyi lati awọn orisii ọrọ-aworan ti a samisi.
Ipa Ilana
Iyara ati iwọn
Visual AI le ṣe adaṣe adaṣe, wiwa, ati awọn iṣẹ ṣiṣe taagi ni iwọn.
Kọ awọn yiyan
Awọn ẹgbẹ ẹda le ṣe apẹrẹ awọn imọran yiyara pẹlu awọn atunyẹwo afọwọṣe diẹ.
Ẹgbẹ ati ṣiṣan iṣẹ
Awọn iṣẹ ṣiṣe le lo aworan ati awọn ifihan agbara fidio ti o nira tẹlẹ lati ṣiṣẹ.
Ojo iwaju ti idanimọ ohun kikọ Optical
OCR n dapọ si 'iwe AI' ti o gbooro ati awọn awoṣe ede-iriran ti o ka oju-iwe kan ti o dahun awọn ibeere nipa rẹ taara, fo igbesẹ isọdi ọrọ lọtọ. Reti mimu mimu ti o lagbara sii ti kikọ afọwọkọ ti ko dara, awọn ile-ipamọ itan, awọn fọto foonu ti o ni ipinnu kekere, ati awọn ipalemo idiju bii awọn tabili, awọn fọọmu, ati awọn gbigba. Isọdi-ede pupọ ati awọn orisun-kekere yoo tẹsiwaju lati pọ si, ati pe OCR lori ẹrọ yoo yara yara, ti o mu ki itumọ akoko gidi ti awọn ami ita ati gbigba ọrọ lẹsẹkẹsẹ ti eyikeyi ọrọ ti kamẹra rii.
Real-World imuse
Awọn ohun elo ile-ifowopamọ alagbeka ti o ka akọọlẹ ayẹwo iwe, ipa-ọna, ati awọn aaye iye ki awọn olumulo le ṣe idogo nipasẹ fọto
Google Lens ati Apple Live Text jẹ ki o daakọ ọrọ lati fọto tabi tumọ akojọ aṣayan ajeji ni akoko gidi
Digitizing awọn iwe iroyin itan ati awọn ile-ikawe ile-ikawe nitori ọrọ ni kikun di wiwa koko-ọrọ
Iwe risiti aladaaṣe ati ṣiṣatunṣe gbigba ni sọfitiwia iṣiro ti o yọ olutaja jade, ọjọ, ati lapapọ
Awọn ewu & Awọn ọna iṣọ
Awọn ẹtọ aworan ati igbanilaaye le di awọn eewu labẹ ofin ti o ba jẹ afihan.
Iṣe awoṣe le yatọ kọja ina, awọn ẹda eniyan, ati awọn agbegbe.
Awọn idaniloju eke le ma ṣe akiyesi ayafi ti a ba ṣe abojuto awọn ala igbẹkẹle.
Ilana Ilana imuse
Ṣetumo awọn ibeere gbigba fun pipe, iranti, ati awọn idiyele aṣiṣe.
Ṣe idanwo pẹlu data ti o baamu awọn ipo iṣelọpọ gidi.
Ṣafikun atunyẹwo eniyan fun igbẹkẹle kekere tabi awọn asọtẹlẹ ipa-giga.
Tọpinpin awoṣe ki o ṣe tunṣe lẹhin kamẹra tabi awọn ayipada datasetto.
Tesiwaju Ṣiṣawari
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Optical Character Recognition quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Itọsọna atẹle
Idanimọ igbese
Awọn ibeere ti a beere nigbagbogbo
What is Optical Character Recognition?
Idanimọ ohun kikọ Optical (OCR) yi awọn aworan ọrọ pada — awọn iwe aṣẹ ti a ṣayẹwo, awọn fọto ti awọn ami, PDFs — sinu ẹrọ-ṣeékà, ọrọ atuntu. O jẹ afara ti o jẹ ki agbaye ti a tẹjade ati ti a fi ọwọ kọ ni wiwa ati iṣiro.
Kini iṣẹ akọkọ ti OCR?
Iṣẹ-ṣiṣe asọye OCR ni titan awọn piksẹli ti o ṣe afihan awọn lẹta sinu awọn koodu ọrọ gangan ti kọnputa le fipamọ, wa ati ṣatunkọ.
Ilana wo ni o jẹ ki OCR ode oni yago fun gige ọrọ kan sinu awọn lẹta lọtọ ṣaaju idanimọ?
CTC jẹ ki nẹtiwọọki sọ asọtẹlẹ awọn ohun kikọ kọja awọn ege aworan ki o ṣubu abajade, yọkuro igbesẹ ipin-lẹta brittle.
Kini idi ti 'de-skewing' jẹ igbesẹ iṣaaju ti o wọpọ ni awọn opo gigun ti OCR?
Awọn oju-iwe ti a ṣayẹwo tabi ti ya aworan ni igbagbogbo yiyi diẹ; de-skewing aligns awọn ọrọ nâa, imudarasi ti idanimọ išedede.
Ewo ninu iwọnyi jẹ ẹrọ OCR ṣiṣi-orisun ti a lo lọpọlọpọ?
Tesseract jẹ ẹrọ OCR ìmọ-orisun olokiki ti o ṣe atilẹyin ọpọlọpọ awọn ede; awọn miiran sin awọn idi ti ko ni ibatan.
Kini idi ti ọrọ kikọ ni gbogbogbo le le fun OCR ju ọrọ ti a tẹjade lọ?
Afọwọkọ kikọ ni iyatọ nla ni apẹrẹ, sẹsẹ, ati aye, ati awọn lẹta ikọwe sopọ, ṣiṣe ipin ati ipinya le pupọ sii.