MariLN的博客

PaddleOCR 是一款基于 PaddlePaddle 深度学习平台的开源 OCR 工具。PP-OCR是PaddleOCR自研的实用的超轻量OCR系统。它是一个两阶段的OCR系统，其中文本检测算法选用DB，文本识别算法选用CRNN，并在检测和识别模块之间添加文本方向分类器，以应对不同方向的文本识别。PP-OCRv4 在速度可比的情况下，中文场景端到端 hmean 指标相比于 PP-OCRv3 提升 4.25%。英文数字场景，相比于 PP-OCRv3 英文模型提升 6%。

OCR（Optical Character Recognition，光学字符识别）技术是一种将图像中的文字内容提取为可编辑的数字文本的技术。它能够识别图片中的印刷字体、手写字体，甚至复杂的表格和图形内容，实现从“图像”到“数据”的转换。也就是说将图象中的文字进行识别，并返回文本形式的内容。

文档图像的边缘校正是图像处理中的一项重要任务，尤其在文档数字化和自动化扫描过程中，确保文档图像的几何形状和内容准确性具有重要意义。传统的文档图像校正方法通常依赖于手动选择或简单的几何变换。然而，随着深度学习和计算机视觉技术的发展，语义分割与直线检测被广泛应用于文档边缘校正任务中，极大提高了处理的效率和精度。语义分割技术通过将图像中的每个像素进行分类，可以精准地提取出文档的边缘信息。在文档图像中，文档区域通常会被标记为一个特定的类别，而背景或其他元素则被分离出来。