中企动力 > 商学院 > 通用文字识别
  • ?

    旷视科技 CSG 算法负责人姚聪:深度学习时代的文字检测与识别技术 | AI 研习社 103 期大讲堂

    巴拉科阿

    展开

    雷锋网 AI 研习社按:随着深度学习的兴起和发展,计算机视觉领域发生了极大的变化。作为计算机视觉中一个重要的研究课题,场景文字检测和识别也无法避免地被这股浪潮席卷,一起进入了深度学习的时代。近年来,这个问题的研究者们都共同见证了思维、方法和性能方面的巨大变化,本次公开课的嘉宾将与大家分享相关内容。

    分享嘉宾:

    姚聪,于华中科技大学电信学院获得学士和博士学位,其主要研究方向为自然场景文字检测和识别。在国际重要期刊IEEE TPAMI, IEEE TIP以及顶级会议CVPR、ICCV和ECCV等上发表论文十余篇。目前在旷视科技(Face++)担任云服务业务算法负责人,主持自然场景OCR、人脸活体检测等技术的研发工作,为FaceID互联网身份验证服务、Face++开放平台等提供算法支持。

    公开课回放地址:http://mooc.ai/open/course/605

    分享主题:深度学习时代的文字检测与识别技术

    分享提纲:

    背景与概述场景文字检测与识别的近期进展未来趋势与潜在方向典型应用雷锋网 AI 研习社将其分享内容整理如下:

    背景与概述

    视觉识别中,文字为什么如此重要?有两个原因,分别是作为载体的文字和作为线索的文字。

    ▊文字作为载体

    首先,文字并非自然产生,而是人类的创造物,天生包含着丰富而准确的高层语义信息,传达人类的思想和情感,这是一般的图像或者视频信息很难直接描述的,但是文字可以做到。比如《史记》,通过它可以了解两千年前的某个历史事件相关的人物、时间和地点。

    ▊文字作为线索

    其次,文字是视觉识别的重要线索。如上所示,这是一张街景图像,有建筑物,有植物;如果进一步提问,图像拍摄地点是哪儿,光靠以上信息无从得知,而移除中间的灰色掩膜,会发现这是「中关村广场购物中心」。借助文字信息可以精确获知图像的拍摄地点。由此可知,文字与其他视觉线索(边缘、颜色、纹理等)有着非常强的互补作用,通过文字检测和识别,可以获得更丰富、准确的信息。

    ▊定义

    那么,从研究角度讲,如何界定文字检测与识别问题呢?

    简单来讲,文字检测是指通过算法计算判断自然场景中在单词或者文字行层面是否含有文字实例(如果有,则标出位置)的过程。

    文字识别则更进一步,它在文字检测基础之上把文字区域转化为计算机可读取和编辑的符号的过程。

    ▊挑战

    目前,文字检测与识别面临诸多挑战。首先,它与传统 OCR(光学字符识别)有所区别,因自然场景之中文字变化非常之多,如下所示,左边是一张典型的扫描文档图像,右边则是自然场景中采集的多张图像。

    通过对比可以发现,左图的背景非常干净,右图的背景非常杂乱;左边字体非常规整,右边则千变万化 ;左边布局较为平整统一,右边则多元复杂,缺乏规范;左边颜色单调,右边颜色种类繁多。

    总体而言,文字检测与识别存在三个方面的重大挑战:

    1)场景文字的多样性。如文字的颜色、大小、方向、语言、字体等。

    2)图像背景的干扰。日常生活中随处可见的信号灯、指示标、栅栏、屋顶、窗户、砖块、花草等局部来看和文字有一定相似性,这为文字检测与识别过程带来很大干扰。

    3)第三个挑战来自图像本身的成像过程。比如拍照包含文字的图像存在噪声、模糊、非均匀光照(强反光、阴影)、低分辨率、局部遮挡等问题,对算法的检测和识别也是是非常大的挑战。

    场景文字检测与识别的近期进展

    正是由于存在上述多个挑战,研究者尝试从各种角度解决上述问题。这次探讨的主题是深度学习时代文字检测与识别领域的最新进展。这些进展被分成 5 个类别:

    从语义分割和目标检测方法中汲取灵感更简化的 Pipeline处理任意形态文字使用 Attention使用合成数据。▊第一个分类:从语义分割和目标检测方法中汲取灵感

    自然场景文字检测与识别技术从语义分割和目标检测方法中汲取灵感而产生的代表性工作主要有:

    Holistic Multi-Channel PredictionTextBoxesRotation ProposalsCorner Localization and Region Segmentation。深度学习方法相较于相较于传统方法而言,会从通用物体语义分割和目标检测算法中汲取灵感。比如科旷视科技 2015 年有一个工作,称之为 Holistic Multi-Channel Prediction。

    区别于传统文字检测方法,Holistic Multi-Channel Prediction 把文字检测问题转变为一个语义分割问题,通过对全图进行语义分割来获取文字区域,如上所示,左边为原图,右边为已预测的掩膜图,文字区域高亮,背景区域则被抑制。

    Holistic Multi-Channel Prediction 的输入并非局部区域,而是整张图像;另外,无论从概念还是功能上来讲,该方法皆区别于滑窗或者连通分量方法。

    具体来讲,Holistic Multi-Channel Prediction 会输出全局的三种像素级预测,包括图像区域、字符位置和相邻字符间的连接方向。通过这三种信息,输出最右边的结果图,如红色矩形部分所示。这一方法的好处是可以同时处理水平、多方向、弯曲文字。

    另一种方法是 TextBoxes,它受到单步的通用物体检测器 SSD 启发,其本质是把文字作为一种特殊的目标,通过 SSD 对其进行建模。这里的基础模型是 VGG-16,卷积层输出目标文字是否存在以及长宽、大小、方向等信息,同时取得了很高的精度及效率。

    目标检测领域还存在两步的检测器,比如 Faster R-CNN。第三种文字检测方法称之为 Rotation Proposals,它属于两步检测的范畴,主要借鉴了 Faster R-CNN,在框架保持一致之时,又有所修改,以更好地检测场景文字,这是因为文字和通用目标有所区别,比如有剧烈的长宽比变化、旋转方向。

    Rotation Proposals 主要做两件事:第一是拓展锚点,增加方向,改变长宽比变化;第二是 RRoI 池化层,处理各种旋转情况,分离出规整的特征图,方便后续操作。

    旷视科技 CVPR 2018 收录论文《Multi-Oriented Scene Text Detection via Corner Localization and Region Segmentation》提出了一种复合的文字检测方法——Corner Localization and Region Segmentation(角点检测和区域分割),它最大亮点是综合利用目标分割与语义分割两种方法。

    为什么提出这种方法?这源于实际场景文字实例有时相邻较近甚至粘连,分割和检测变得无济于事。这时通过两个分支进行处理,一个分支定位文字区域的角点,另一个分支进行文字区域分割,结合这两种信息文字输出文字位置和置信度。

    如上所示,Corner Localization and Region Segmentation 基础模型是 VGG-16,其上添加大量的卷积层,以提取特征,再往上是两个分支:

    角点检测分支通过 SSD 定位角点,通过网络提取角点,最终得到角点位置;文字区域分割分支则利用基于 R-FCN 的位置敏感分割,生成不同相对位置的分割图,得到更准确的文字检测结果。▊第二个分类:更简化的 Pipeline

    深度学习时代,几乎所有的文字检测与识别方法都会使用更加简化、更加高效的 Pipelines。这是要分享的第二个类方法,其代表性工作是 EAST。

    旷视科技在 CVPR 2017 收录论文《EAST:An Efcient and Accurate Scene Text Detector》提出一种高度简化的 Pipeline 结构。如上图所示,最左侧是输入图像,最右侧是算法输出结果,中间则是处理步骤,EAST(最下面)把 Pipeline 精简为中间两步,其中一步是通过多通道 FCN 进行几何信息预测以及前景、背景预测;另外一步是 NMS,最终得到多方向文字检测结果。

    那么如何实现 EAST 呢?很简单,通过单一网络刻画并建模位置、尺度、方向等文字的主要信息,同时加上多个损失函数,即所谓的多任务训练。如上所示,再借助对几何信息的预测即可得到文字检测的结果。

    这种方法的好处主要体现在两个方面:

    精度方面,允许端到端的训练和优化效率方面,剔除了中间冗余的处理步骤。

    上图是多种方法的应用对比,横轴是速度,纵轴是精度,红点是 EAST 的两个变体,可以看到其在精度和速度上都优于传统方法,且在精度和速度质检取得了极佳的平衡。EAST 已成为为行业标准方法,且代码开源,有趣的是,这是由热心网友 @argman 完成的(旷视贡献了部分代码)有兴趣的童鞋可以尝试;如果只想使用不想看源代码,目前 EAST 也作为官方模块,集成到最新版 OpenCV 之中。

    ▊第三个分类:处理任意形态文字

    要处理现实世界的文字还面临着一个挑战:文字形态的多变性。文字检测与识别算法要如何应对呢?旷视科技为此给出了两个代表性方案:

    TextSnakeMask TextSpotter。

    旷视科技 ECCV 2018 收录论文《TextSnake: A Flexible Representation for Detecting Textf Abies》提出一种全新而灵活的表征,称之为 TextSnake。

    如上所示,对于弯曲的文字区域,图 a 使用了传统的坐标对齐的矩形,包含了大量不需要的背景内容;图 b 将矩形框旋转,背景内容减少,适应力也随之变强;图 c 使用了不规则四边形进行包围,效果依然不理想。由此可以得出结论,四边形无法很好地包围弯曲的文字区域。

    为了更精确地处理这种情况,图 d 使用了 TextSnake 方法,用一系列圆盘覆盖文字区域,更好地适应文字的变化,包括尺度、方向、形变等等。

    TextSnake 原理示意图如上,黄色区域代表不规则的弯曲文字区域,绿线代表文字区域的中心线,红点代表覆盖文字区域的圆盘中心点,用 c 表示,圆盘半径用 r 表示,方向信息用 θ 表示。由此,文字实例可建模为一系列以对称轴为中心的有序重叠的圆盘。由于文字的尺度和方向是变化的,圆盘也有着可变的半径和方向,随文字变化而变化。这种灵活的表示方式可以精确适应各种形态的文字,比如多方向、弯曲文字。

    有了 TextSnake 之后,如何设计一个计算模型完成文字检测呢?其实很简单,即几何属性定义完成,通过 FCN 输出多个通道的预测结果,并进行整合,分开前景、背景,找出中心线,根据其半径和方向即可恢复出文字区域。

    旷视科技 ECCV 2018 收录论文《Mask TextSpotter: An End-to-End Trainable Neural Network for Spotting Text with Arbitrary Shapes》完成了另外一项工作,在 Mask R-CNN 启发之下提出一种新模型 Mask TextSpotter,通过端到端的方式同时实现了文字检测和识别。Mask TextSpotter 整体框架基于 Mask R-CNN 并进行改造,同样也把文字当作一种特殊目标处理。

    具体细节如上所示,左边是输入图像,右边是输出结果。RPN 做文字候选区域的产生;Fast R-CNN 对候选区域打分并回归其坐标;另外还有一个掩膜分支,同时对字符做像素级的分割和识别。

    这有别于传统方法的识别模块基于 RNN 序列进行建模,或者借助 CTC loss 进行计算,Mask TextSpotter 则直接做像素级分割,对每一像素进行分类,最后连接所有结果完成识别。

    ▊第四个分类:借鉴 Attention

    由于 NLP 领域兴起的 Attention 模型的重大影响,其也进入了文字检测与识别的视野,激发出一些新想法,代表性成果有:

    CRNNASTERFAN。

    在讲 Attention 之前,首先讲一下旷视科技 TPAMI 2017 的一个工作,称之为 CRNN,其底层用 CNN 提取特征,中层用 RNN 进行序列建模,上层用 CTC loss 对目标进行优化。它是一个端到端可训练的文字识别结构,但并未使用 Attention。目前,CRNN 已成长为该领域的一个标准方法,在 GitHub 上已开源。

    随后,旷视科技在 TPAMI 2018 提出一个称之为 ASTER 的解决方案。由于文字存在倾斜、弯曲等问题,在识别阶段,检测也不一定是最理想的,这时需要分两步做识别。第一步是给定一张输入图像,把其中的文字矫正到一个有利于识别的状态;第二步则是进行识别。这里需强调的是矫正过程是网络自动学习的,并不存在标注。

    那么,如上所示,ASTER 主要有矫正和识别两个模块。矫正模块在 STN 的基础上做了优化,使得控制点的预测更精确;识别模块则是一个经典的 CNN+RNN 同时带有 Attention 的结构,可以对序列进行预测。

    当然,Attention 本身也存在一些问题,比如 ICCV 2017 收录论文《Focusing Attention: Towards Accurate Text Recognition in Natural Images》提出了 FAN 这一工作。

    某些情况下,Attention 预测不一定准确,如图 a 中 Attention 把后两个点定位在「K」上,造成 Attention 点发生重合,进而导致定位不准确与漂移。FAN 方法通过约束 Attention 点位置,将其锁定为目标文字中心,这样就避免了重合、漂移等情况,Attention 区域变得更整齐,最终识别效果也得到了提升。

    ▊第五个分类:使用合成数据

    深度学习时代,对数据的需求量大增,大量数据有利于训练出优秀模型。因此,深度学习时代的文字检测和识别方法几乎都会采用合成数据,代表性数据集有 SynthText。

    SynthText 是一个经典的通过合成方式产生的场景文字数据集,已在文字检测和识别领域获得广泛应用。其主要思路是先采集几千张真实场景图像,然后往上贴字,如上图所示。

    具体而言,给定一些自然场景图像之后,SynthText 使用基础算法估计几何信息以及区域分割的结果,比如估计深度,通过底层算法分割连通的区域,同时找到一些平滑的区域放置文字,最后生成包含文字的图像数据集。

    未来趋势与潜在方向

    根据自然场景文字检测与识别技术发展的现状,通过分析其æ...

  • ?

    近在身边的人工智能技术丨OCR识别

    白头

    展开

    有多少人在读纸质书的时候想要使用复制粘贴的功能?或者面对一本厚厚的资料时很想用关键词检索来寻找自己需要的信息?纸质书可以带来传统的优质的阅读体验,但是在信息存储、修改、查询等方面却有着天然的硬伤。

    我们在学习和办公的过程中,肯定多多少少遇到过这样的场景:

    1. 在某本书或者某张报纸上看到一大段有用的文字,想要快速摘录出来;

    2. 查找到的重要信息存储格式为图像或者文字不可复制的PDF,需要手动输入成文本格式;

    3. 经常需要输入身份证号码或者银行卡号码之类的长串数字,需要仔细录入反复核对;

    4. 有大批量的表格、单据、合同等纸质材料需要转化为电子文档保存;

    5. 报销发票时候需要一张张录入票据手动计算金额;

    ……

    把电子文本转化为图像很容易,一个截图软件就能做到。

    但是反过来操作却是一个非常艰难的过程。

    曾经有一种职业叫“打字员”,但如今网络上存在的“打字员招聘”已经基本是骗子的天下了。

    因为我们有了更便利的方式,可以代替人工录入的工作

    ——OCR技术

    OCR技术是Optical Character Recognition(光学字符识别)的缩写,是一种通过光学输入方式将卡证或者纸质文档上的文字转化为图像,再利用算法把图像信息转化为可以用电子设备进行编辑的文本信息的技术。

    简单来说,就是一种便捷的图像转文字的技术。

    传统的OCR技术流程比较复杂,需要先对通过扫描仪上传的图像进行预处理,包括灰度化、二值化、去黑边、区域定位、行切分、字切分等一系列操作。对图像质量要求高,识别率低,识别速度慢,效果差。

    但现在,易道博识基于深度学习平台开发的全新OCR技术,通过扫描或者手机拍照的方式上传含有文字信息的图像,无需再进行单字切分,就可以直接将图像中的文字自动转化为可编辑的文本信息。

    易道博识自主研发的基于深度学习的OCR技术大大简化了识别流程,极大的提升了识别的速度和精度,甚至针对身份证号码的识别准确率已经达到100%。

    而且易道博识的OCR技术支持卡证类多方向识别,哪怕是倒立图像也不影响文字定位,极大地提升了用户体验。

    如今,无论是身份证银行卡上的一大串数字,还是文字密密麻麻的纸质材料,或者是格式多种多样的发票和表单,再或者是包含了数十条重要信息的表格,都可以使用OCR技术来代替人工录入。

    当今社会无纸化办公已经成为大趋势,但在从传统的办公模式到现代办公模式的过度过程中仍然会产生大量的纸质文档,需要进行信息电子化。

    每天有无数的纸质资料被加工被数字化,在这个过程中引入OCR技术,相比人工一个字一个字的敲进电脑里,这种批量识别的方式不仅效率大大提升,也提高了录入的准确率,还可以极大的简化电子化流程,有效减少人力物力的浪费,缩减运营成本。

    当前OCR技术已经相当成熟,相关技术的应用也在诸多领域落地开花。

    很多人不熟悉这个名词,但不代表没有使用过这个功能。手机里的图像转文字的小程序,从图片中提取文字的功能,网络平台扫描证件实名认证,自助开户刷身份证登记信息,日常生活和工作中处处都是OCR技术应用的身影。

    随着OCR技术的应用越来越广泛,人们对这种人工智能技术的认可度越来越高,对优质效的OCR产品需求也越来越多。

    市面上不同的OCR产品,由于技术基础不同,最终呈现的识别率、准确度、识别速度也大有不同。易道博识坚持走自主产权道路,凭借大量的技术人才储备和持续不断的研发投入,拥有行业领先的核心产品技术,积累了大量的成熟产品。

    易道博识的大多数OCR识别产品已经上架AI开放平台,目前已支持的产品列表包括:

    通用文字、身份证、银行卡、行驶证、驾驶证、营业执照、增值税发票、港澳台通行证、广东省居住证、临时身份证、电子发票、火车票、出租车票、机动车发票、二手车发票、车辆合格证、车牌、行驶证副页、驾驶证副页、不动产登记证、房产证、银行支票、承兑汇票、开户许可证、北京市医疗发票等。

  • ?

    把图片上的文字批量提取出来,这两种办法足可以轻松解决了

    斯凯尔克

    展开

    你想要的就在那里,却不是那么容易获得。就像有的时候我们看到图片的有意思的、有用的文字,我们很像“拿出来”为自己所用,如果字数不多还好,可以自己打出来。不过如果是成段成段的话,手打很显然是件麻烦的事情。不过现在的技术已经很好的解决了这些小麻烦了,一起来看看几种方法。

    这第一种我们可以借助QQ的支持。如今我们聊天似乎用QQ的很少了,但QQ里很多的功能微信是比不上的,而且QQ还在不断的更新新的玩法,这对我们的工作、学习上的帮助起到了很好的支持。这就是QQ中的提取文字功能,它是这样实用的。

    我们选择一个好友或者QQ群,向其发送需要提取文字的图片,完成后,我们打开这个图片,在图片上长按住不放,就会出现很多的应用菜单,其中有个就是提取文字功能,点击这个选项,QQ就会执行文字字符提取工作,一般数秒之后,文字就会被从图片上剥离开来,然后我们就可以将文字进行批量化的复制以供我们使用。

    我们觉着QQ的这个功能真的很实用,解决了工作以及学习甚至生活中的常见问题。可能很多人不用QQ了,诸如此类的功能就不晓得了。

    同样的功能,借助微信也可以轻松的实现图片中文字的提取工作。在微信的小程序中,很多的功能极大的方便了我们的生活,不用下载软件即可实现想要的效果。这里我们在小程序中搜索“传图识字”,找到这个小程序,点击开来,这里面包括了通用文本识别以及手写体识别,看起来你QQ更为强大。

    我们点击拍照/选择图片,传一张图片上去,点击完成,程序即可进入解析识别文字的工作中,之后我们可以全选复制文字,也可以进行编辑选择或者去掉不需要的字词,然后再将它们据为己有,这个可真是挺厉害。经测试,对于文字提取的精准度还是蛮高的。小程序中还有其他类似的工具可供使用。

    当然,网上一些其他的软件也是可以支持从图片中提取文字的,不过我们有了QQ以及微信上的功能几乎就没有必要去专门下载软件来用了,况且下载软件有的是需要收费的,搞不好还存在下载风险。看了今天的文字图文介绍,你是不是有学到了一个新技能呢。

  • ?

    OCR文档、图片文字识别手机电脑端云端

    庾定帮

    展开

    烦烦碌碌的生活中,经常需要从文档、图片等直接转换成文字信息供我们使用,但是人工录入太过于麻烦,所以就需要识别软件或者硬件来辅助我们更快的完成这些繁杂的工作

    1:比如我们需要提取纸质书籍或资料中的文字供我们使用,OCR识别就能做成可编辑的电子版文件,方便我们直接使用或者编辑。

    2、比如需要各类通用的证件(身份证、国内外护照、港澳台证件、驾驶证等)中的相关信息提取,有OCR识别然后录入到软件系统中,就能方便提取调用了。

    3、比如要将调用各类票据中的部分信息,做表或者整理,有OCR识别然后录入到表格文档等中,就可以随时调用了。

    4、比如将图片中的文字信息提取出来,有OCR识别,就可以转换成可编辑的文字信息了。

    OCR识别多数应用于什么场景呢?证件、护照、车牌、车架号(Vin码)、普通文档、自然场景下的文字、长微博、图片彩页等

    有需要了解更多可以留言联系

  • ?

    百度自定义模板文字识别,一步完成自动分类和结构化识别

    圣地亚哥

    展开

    1. 什么是自定义模板文字识别(iOCR)

    OCR技术是目前应用最为广泛的AI技术之一,但通用模板无法满足用户的特定格式文件的结构化文字识别需求。

    自定义模板文字识别(以下简称iOCR)是百度推出的内容结构化工具。 不需要算法编程、不需要大量训练数据,通过4布简单的图形化操作,5分钟即可定制特定样式票据、卡证的识别模板,建立起键值的对应关系,配合新增的模板自动分类功能,让模型自动分类票据,一步完成非结构化到结构化的转换,实现自动化的数据录入。

    iOCR特别适用于多种格式的医疗单据识别、金融票据识别、供应链录入系统中各类单据识别,各类非通用证件的结构化识别。例如:外贸单据、房产证、机票。新增的识别区属性选择,能够提高对金额、日期、符号/字母/数字混合等字段的识别率。

    制作模板——标注识别区域

    1. 自定义模板文字识别(iOCR)有哪些技术特色

    场景多样:iOCR能根据您的需求,针对任何文档来制作模板,真正实现全场景适配简单易用:图形化的模板制作页面,通过简单的框选,5分钟即可完成模板的制作稳定高效:依托百度云提供24小时云端高稳定服务,宕机率低,故障恢复快,单图秒级响应,服务可用性高达99.95%

    2. 典型案例

    目前,iOCR已在大连税务局、奇瑞商用车、中华会计网校和云量互动等多家企事业单位中成功应用,为企事业单位的快速发展提供了更大的技术支持。

    案例1:iOCR助推大连市车辆购置税智能化征管改革

    新购车辆缴纳车辆购置税,需提供车辆合格证、车辆统一销售发票、车主身份信息等资料,人工识别比对或人工录入都存在数据输入错误或比对不准确的技术风险和人为因素,不便于纳税人自主缴税。

    大连市税务局为新购车辆缴纳购置税用户提供手机端缴税的业务,通过百度自定义模板OCR,将车辆合格证、车辆统一销售发票通过手机拍摄原件照片后进行结构化内容抓取,并与税务相关系统进行相应的数据比对验证,保障手机端办税的合法性、安全性、有效性。同时提高纳税人的操作便捷性,降低纳税人手工输入的操作成本,降低错误率,一站式完成车辆购置税缴纳业务,纳税人不用跑腿,手机端3分钟完成缴税。不光实现了办税无纸化,同时降低了税务局车辆购置税窗口业务压力50%以上。

    案例2:iOCR助力奇瑞新能源汽车自动申请国补

    新能源汽车国家补贴的申报,需要填报购车用户的行驶证和购车发票等资料,利用百度OCR解决方案中的行驶证、通用发票和自定义模板的功能,快速批量的从证件、发票中提取所需字段信息。原来需要4个业务人员,每天可以整理400-500张发票,现在只需要一个人,负责识别结果的检查和校正,每天可以整理400张以上证件和发票信息,人员劳效提升3倍以上。

    识别案例

    奇瑞商用车作为创新型汽车企业,积极引进百度AI技术,借助OCR文字识别功能,实现了快速对客户资料收集整理,提高了业务效率和客户满意度。

    奇瑞商用车 总经理 鲍思语

    案例3:iOCR助力医院筛查缺铁性孕产妇

    北京云量互动科技有限公司专注于打造垂直行业AI解决方案。依托计算机视觉和深度学习在零售、制造和医疗行业开发了多套AI方案,助力客户数字化转型,驱动数据新价值。

    云量互动正在全国和几十家医院一起搭建一个医患沟通平台。传统上的做法是每天有专人负责审核化验单,并根据每个医院不同的标准比对3-4项化验结果,只有当3-4项结果符合病患标准时,将患者信息返回到平台,让患者和医生之间进行沟通和问答,占用了大量的人力成本、且结果返回延时长、准确率低。

    在采用了百度的OCR技术后,将患者上传的化验单自动识别ID以及关键项目数据读取,并且按照不同医院的规则,实时判定是否在合理值范围内。对符合疑似患者的病患,实时推送分析结果,目前该方案化验单识别准确率都在95%以上,患者从1周拿到化验结果缩短到1分钟以内,2018年有2万多个患者,30多家医院将会在该平台上进行沟通。极大降低了客户人工成本,提升了患者咨询体验,提高平台医生沟通效率。

    云量互动采用自定义模板识别在医患公共平台项目架构中极大提升了医患沟通效率,降低了平台人力成本。该方案快速落地,目前准确率达到95%以上。同时该方案的创新型和易用性得到客户认可和称赞,提升了平台沟通效率,增强了医患互动体验以及平台运维稳定性。

    云量互动 CEO 王娜娜

    访问链接:http://ai.baidu/tech/ocr/iocr 登陆百度账号,免费使用自定义模板文字识别。

    加入QQ群:570832882,和产品经理、算法工程师一起探讨使用问题。

  • ?

    图片文字识别( 支持中文 )--Java也可以这样玩

    持续

    展开

    Java实现图片文字识别, 文字识别的核心代码是调用百度AI通用文字识别, 如下图:

    配合JavaFX开发GUI程序, 实现桌面截图并实时识别图片中的文字, 效果如下:

    识别速度很快, 识别率也高, 日常使用已经够了.

    核心代码如下:

  • ?

    「升级公告」通用票据文字识别速度翻倍,准确率提升46%

    Craig

    展开

    尊敬的百度AI开放平台用户:

    百度通用票据识别全面升级,识别速度翻倍,准确率提升46%,欢迎使用。

    百度通用票据识别支持对增值税发票、火车票、出租车票(暂支持北京)的结构化识别,以及对医疗票据、保险保单、银行兑票、购物小票、的士发票等各类票据进行通用识别,并按行输出所有文字结果。此次升级基于海量优质数据优化,采用全新检测、识别模型,结合最新GPU硬件架构实现更快更准的票据识别,使单图识别耗时降低300ms,单字准确率提升46%,整图准确率提升29%!欢迎使用!百度AI将持续为您提供更好的技术和服务。

    欢迎进入百度AI开放平台,查看产品页面介绍和产品使用帮助文档。或可进入AI开发者社区,进行技术沟通交流。

  • ?

    文字识别免费额再提升 自定义模板OCR发布

    贺听枫

    展开

    5月25日,百度“燎原计划2018”暨百度AI开发者实战营第二季在成都菁蓉国际广场收官。成都收官之站,百度AI首发自定义模板OCR,全面满足个性化业务需求,并升级百度OCR技术免费政策,让每个人都能平等享用AI。

    OCR免费策略升级,通用文字识别永久享受50000次/天免费调用

    成都站中,喻友平再度宣布百度OCR技术永久免费。百度通用OCR技术的免费额度从500次每天提升至50000次每天,是此前免费额度的100倍;通用OCR高精度版的免费额度从50次每天提升至500次每天,是此前免费额度的10倍。

    目前业界通常按照每个接口的调用次数收费,单个接口单次调用费从几分钱到几毛钱不等,百度永久免费开放通用OCR及高精度通用OCR技术,实实在在为企业节约一笔不菲的支出。

    百度AI开放平台现已推出23款OCR产品,全面覆盖各类应用场景。23款产品的免费策略一览表见文章底部。

    自定义模版OCR全新发布,全面满足个性化业务需求

    成都站中,百度正式发布自定义模板文字识别(iOCR),全面满足个性化业务需求。OCR技术是目前应用最为广泛的AI技术之一,但通用模板无法满足用户的特定格式文件的结构化文字识别需求。百度自定义模板OCR支持用户根据实际需求定制模板,生成的模板可重复利用,基本能够解决90%以上非结构化的文字电子化问题。

    自定义模版OCR是百度推出的结构化内容提取工具。不需要算法编程、不需要大量训练数据,通过简单的4步页面操作,5分钟即可定制特定样式票据、卡证的识别模版,结构化提取所需内容。产品具有低成本快速定制、多场景适配、模版自动分类三大技术优势,适用于多种格式的医疗单据识别、金融票据识别、各类非通用证件的结构化识别。

    23款OCR产品免费策略一览表

    以下文字识别产品,可进入百度AI开放平台官网产品页立即开启调用

    以下文字识别产品如需使用,可登陆百度AI官网提交需求。

  • ?

    使用Python+百度OCR文字识别提取图片内容

    纪无色

    展开
    百度文字识别

    工作中,我们常常会将图片中的文字整理成word文档,过去主要依靠人工识别,费时费力,随着人工智能技术的发展,OCR文字识别的准确度越来越高,此项工作完全可以交给系统来完成了,下面是一段Python版的文字识别代码,使用了百度的“百度文字识别接口”。

    # -*- coding:utf-8 -*-from aip import AipOcr# 你的 APPID AK SK APP_ID = '你的 App ID'API_KEY = '你的 Api Key'SECRET_KEY = '你的 Secret Key'aipOcr = AipOcr(APP_ID, API_KEY, SECRET_KEY)# 读取图片def get_file_content(filePath): with open(filePath, 'rb') as fp: return fp.read()img = get_file_content('E://20171017152738.jpg')# 调用通用文字识别接口result = aipOcr.basicGeneral(img)# 如果有可选参数options = {}options["language_type"] = "CHN_ENG" # 识别语言类型 默认 中英混合options["detect_direction"] = "true" # 是否检测图像朝向 默认不检测options["detect_language"] = "true" # 是否检测语言,默认不检测。当前支持(中文、英语、日语、韩语)options["probability"] = "true" # 是否返回识别结果中每一行的置信度# 调用通用文字识别接口,同时携带可选参数#result = aipOcr.basicGeneral(img, options)# 获取返回识别结果if isinstance(result, dict): words = result['words_result']print words# 如果图片是url 调用示例如下#result = apiOcr.basicGeneral('http://xxxxxx/img.jpg')

    百度文字识别还提供了许多其他接口,例如:通用文字识别(高精度版),网络图片文字识别,身份证识别,银行卡识别,车牌识别,营业执照识别,表格文字识别等。感兴趣的朋友可以到百度AI开放平台查找相关使用说明。

  • ?

    百度通用文字识别免费额度提升至100倍,助力多场景应用落地

    陈雪晴

    展开

    百度 AI 实战营收官战(成都站),宣告百度 OCR 免费策略再次升级。百度通用文字识别服务的免费使用次数提升100倍,从每天500次提升至每天50000次;通用文字识别高精度版的免费使用次数提升10倍,从每天50次提升至每天500次。

    目前业界通常按照接口调用次数收费,单个接口单次调用费从几分钱到几毛钱不等,百度永久免费开放通用文字识别及其他文字识别技术,实实在在为企业节约一笔不菲的支出。

    现阶段已有大量企业将百度通用文字识别、身份证识别、银行卡识别、增值税发票识别、驾驶证识别、行驶证识别、网络图片文字识别、自定义模版文字识别等服务应用在实际业务中。算法领先、准确率高,有效降低人力成本,大大提升效率,给产品带来更多想象空间。用人工智能搞定人工难题。

    应用可通过 API/SDK 快速接入 OCR 能力,将 AI 能力融合进更多应用场景,比如手机、物流、翻译等。让我们以几个鲜活的案例感受一下。

    案例一:三星 Bixby 应用百度OCR,创造崭新人机交互体验

    在旅行中,人们时常会遇到这样的情况:

    在国外餐馆中,如果对该国语言不熟悉且没有配图时看不懂菜单内容;

    在国外旅行时面对路牌指示,因为不熟悉该国语言而手足无措;

    将各类进口商品说明书中的单词一个个输入到翻译软件中查看翻译结果,费时费力;

    对于完全没有接触过的语言,对照着图片不知道如何在翻译软件中输入需要翻译的单词。

    三星希望能为客户打造极致的用户体验,要解决上述问题,就需要一个高精度的文字识别接口,实现通用场景下对多种语言的文字提取功能,再结合翻译为客户提供完整、流畅的体验。三星结合百度 OCR,打造三星手机人工智能助手- Bixby。

    Bixby 视觉接入百度 OCR 和翻译技术,实现了对中文(简体)、英语、法语、德语、意大利语、日语、韩语、葡萄牙语、俄语、西班牙语的实景翻译,先识别文字再进行翻译,同时视觉因素中,添加了 AR 翻译功能,提供更为便捷的翻译体验,一站式解决出国旅行途中各类文字提取翻译的问题,带来崭新的人际交互体验。

    案例二:百世物流智能提取收寄信息,化繁为简提升效率

    目前,传统的填写收件人(或者寄件人)信息的方式都是将信息分别手工输入姓名、电话、省、市、区、详细地址等多个输入框。整个过程非常繁琐,效率低下。而用户的原始信息可能是一张图片,如何快速提升录入效率、提升用户体验?

    百世物流致力于打造一站式的物流和供应链服务平台,为客户提供高效的服务和体验,通过接入百度的 OCR 技术,“百世来取(百世旗下一款寄件产品)”公众号提供了基于图片文字识别的收寄件人信息提取服务,提升用户体验。

    同时,百世物流应用 OCR 技术,在业内率先推出智能地址解析。“百世来取”作为寄件平台,在业内率先推出了智能地址解析功能;通过引进百度的 OCR 文字识别技术,极大的简化了用户的下单流程,提升了用户体验。

    案例三:携程 APP 内的随身翻译家

    在旅途中,携程希望可以帮助旅客在旅游中,对外文的路牌、菜单等直接拍摄进行识别翻译,打造私人翻译助理,真正实现“携程在手,说走就走”。

    携程将百度 OCR 集成进 APP 内的翻译助手功能中,通过简单的拍照,即可完成英文的提取,并进行翻译。快捷简单的操作省去了用户人工录入的成本,提升了用户体验。此外,百度文字识别还支持葡、法、德、意、西、俄、日、韩、中英混合识别,整体识别准确率高达90%以上。加入了百度 OCR 后,携程 APP 的易用性大幅提升,秒变用户口袋里的翻译家。

    案例四:折800应用网络图片文字识别,实现高效图文反作弊

    面对花样繁多的违规文字图片,折800希望用一款高效精准的 OCR 产品实现自动化的文字提取,完成自动审核。

    同时,随着《中华人民共和国广告法》的正式实施,为了积极响应国家政策,提供极致的购物体验,折800针对违反广告法、虚假/夸大宣传、三无产品进行了专项整治。面对平台众多的商品图片,折800还希望用一款准确、高效的 OCR 产品帮助提取图像中的文字内容,从而进行审核。

    一方面,折800需要针对商户和用户上传的图片中的文字,进行识别和反作弊处理。百度网络图片文字识别产品,依托百度业界领先的 OCR 算法,进行整图文字检测、识别,并针对互联网图片中出现的艺术字体、复杂背景进行了专项优化,其产品特点刚好与折800的需求非常契合。折800通过 SDK 的方式,快速接入此服务,达到了非常好的识别效果。

    另一方面,折800在网络图片反作弊方面效果显著,降低了人工判断反作弊图片的成本,面对海量图片信息,大幅提升了审核效率。

    如果您也对 OCR 感兴趣,进入http://ai.baidu/tech/ocr了解更多。

所有视频需要登录后,才能观看

请先登录您的帐号,即可完整播放,如果您尚未注册帐号,请先点击注册。