精准识别文字信息：通用文本识别算法整理

原创

已于 2023-02-07 17:03:44 修改 · 709 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #科技 #自动驾驶 #ai #算法

于 2023-02-07 14:27:50 首次发布

本文探讨了通用文本识别（OCR）领域的最新算法，包括仅使用真实数据训练STR模型、隐式特征对齐（IFA）提升文本识别器性能以及序列到序列对比学习（SeqCLR）框架。这些研究在提高识别准确性的同时，降低了对合成数据的依赖，为无检测文本点选和多行文本处理提供了新思路。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

通用文字识别（OCR）目前有很多火热的应用，比如身份证识别可以自动地从图片中定位和识别出身份信息。通用高精版识别，可以单字识别并返回单字坐标，表格识别可以识别文档上所有表格里面的信息内容。增值税发票识别，可以识别发票代码、号码、日期、校验码、税额、受票方名称等15个常见字段，带给人们更多的便利。详细的识别算法知识见：https://www.quickconn.net.cn/#/insight/showPaper.html?paperId=60，精准识别文字信息。

图1 通用文字识别

下面介绍几种较新、效果较好的通用文字识别算法。

What If We Only Use Real Datasets forScene Text Recognition? Toward Scene Text Recognition With Fewer Labels

场景文本识别（STR）任务有一个共同的做法：所有最先进的STR模型都在大量的合成数据上进行训练。与此相反，当必须在没有合成数据的情况下训练STR模型时，只在较少的真实标签上训练STR模型（STR with fewer labels）是很重要的：对于难以合成的手写或艺术文本，以及对于英语以外的语言，不一定有合成数据