基于深度学习的OCR技术导论

一、OCR技术背景

1、OCR是什么？

OCR（Optical Character Recognition，光学字符识别）是计算机视觉重要方向之一。传统定义的OCR一般面向扫描文档类对象，现在我们常说的OCR一般指场景文字识别（Scene Text Recognition，STR），主要面向自然场景，如下图中所示的牌匾等各种自然场景可见的文字。

2、OCR有哪些应用场景？

包含数码管、液晶屏、车牌、高精度SVTR模型、手写体识别等9个垂类模型，覆盖通用，制造、金融、交通行业的主要OCR垂类应用。同时，夸克扫描文档功能页使用额是OCR技术。

3、面临的挑战

• 算法层面：场景丰富，多语言，光照不足、等等
• 应用层面：数据量大、端侧识别速度要求

二、PaddleOCR

1、8种前沿算法

• 文本检测：FCENet,DB++
• 文本识别：VITSTR,ABINET、VisionLAN、SPIN、RobustScanner
• 表格识别：TableMaster

2、PP-OCR与PP-Structrue

• PP-OCR：针对文字检测识别（包括文本检测模块、检测框矫正模块、文本识别模块。利用经典算法CRNN）
• PP-Struc