OCR技术浅探：基于深度学习和语言模型的印刷文字OCR系统

最新推荐文章于 2025-07-24 10:38:24 发布

weixin_30549175

最新推荐文章于 2025-07-24 10:38:24 发布

阅读量371

点赞数

CC 4.0 BY-SA版权

文章标签：人工智能

原文链接：http://www.cnblogs.com/snaildev/p/8243814.html

本文全面介绍了OCR技术，从全文简述到技术细节如特征提取、文字定位、文本切割及光学识别等进行了深入探讨。此外还涉及了语言模型的运用及系统的综合评估。

作者：苏剑林

系列博文：科学空间

泰迪杯：基于深度学习和语言模型的印刷文字OCR系统.pdf

转载于:https://www.cnblogs.com/snaildev/p/8243814.html

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

weixin_30549175

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

语言模型的历史演变与未来趋势

AI天才研究院

03-12

131

1. 背景介绍 1.1 什么是语言模型 语言模型（Language Model，简称LM）是自然语言处理（NLP）领域的核心技术之一，它的主要任务是对自然语言序列进行概率建模。简单来说，语言模型就是用来计算一个句子或者一个词序列出现概率的模型。这个概率可以用来衡量一个句子的合理性，或者在生成任务中，如

基于深度学习和语言模型的印刷文字 OCR 系统阅读笔记

dollyisme的博客

03-27

552

基于深度学习和语言模型的印刷文字 OCR 系统阅读笔记特征提取预处理灰度聚类文字定位邻近搜索文本切割光学识别语言模型 特征提取作者放弃了边缘检测和腐蚀膨胀，通过聚类、分割、去噪、池化等步骤，得到了比较良好的文字部分的特征。这些特征甚至可以直接输入到文字识别模型中进行识别，而不用做额外的处理。预处理将原始图片以灰度图像的形式读入，得到一个 m×n 的灰度矩阵 M，其中 m,n 是图像的...

参与评论您还未登录，请先登录后发表或查看评论

OCR技术浅探： 语言模型和综合评估（4）

weixin_30912051的博客

02-06

565

语言模型 由于图像质量等原因，性能再好的识别模型，都会有识别错误的可能性，为了减少识别错误率，可以将识别问题跟统计语言模型结合起来，通过动态规划的方法给出最优的识别结果。这是改进OCR识别效果的重要方法之一。转移概率在我们分析实验结果的过程中，有出现这一案例。由于图像不清晰等可能的原因，导致“电视”一词被识别为“电柳”，仅用图像模型是不能很好地解决这个问题的，因为从图像模型来看，识别为...

OCR不只认字，还能“读懂”了！大模型是怎么让它进化的呢？

最新发布

2401_85390073的博客

07-24

960

你拿起手机拍下会议白板，想着回头整理。结果 OCR 一识别，字是识别出来了，但……内容乱七八糟，逻辑全没了，段落顺序不对，有的公式还直接丢失，看得你抓耳挠腮。这就像让一个小学生读博士论文：他能一个字一个字地念，但你指望他总结出核心思想，恐怕还差点火候。

人工智能-深度学习-OCR-利用语言模型，纠正OCR识别错误

07-03

OCR-Corrector 专为OCR设计的纠错器。未来考虑增加OCR需要的各种NLP工具，包括：粘连文本分词命名实体识别键值对匹配功能输入OCR识别结果（文本+单字符置信度），输出修正后的文本。 (单字符置信度：识别网络最后 softmax 输出的概率值，用来进行方便地发现错字。)

光学字符识别OCR-7语言模型

weixin_34198583的博客

06-18

316

由于图像质量等原因，性能再好的识别模型，都会有识别错误的可能性，为了减少识别错误率，可以将识别问题跟统计语言模型结合起来，通过动态规划的方法给出最优的识别结果。这是改进OCR识别效果的重要方法之一。转移概率在我们分析实验结果的过程中，有出现这一案例。由于图像不清晰等可能的原因，导致“电视”一词被识别为“电柳”，仅用图像模型是不能很好地解决这个问题的，因...

革新OCR结构化技术应用，揭秘百度中英文OCR结构化模型StrucTexT预训练模型

PaddlePaddle

01-07

1776

光学字符识别（OCR）是目前应用最为广泛的视觉AI技术之一。随着OCR技术在产业应用的快速发展，现实场景对OCR提出新的需求：从感知走向认知——OCR不但需要认识文字，也要进一步理解文字。...

基于深度学习的道德与法治课堂情境设计浅探.pdf

08-18

深度学习是一种教育理念，强调在真实复杂的情境中，学生通过常规和非常规思维来解决问题，以此发展批判性思维、创新能力、合作精神和交际技能。在道德与法治课堂中，深度学习有助于学生将所学知识与生活实际相结合，...

大语言模型浅探一.pdf

08-26

大语言模型浅探一.pdf 是一篇关于大语言模型的论文，主要介绍了 GPT 模型的解码、InstructGPT 及其基于 RWKV 微调模型的相关知识点。 GPT 模型解码 GPT 模型是生成式预训练语言模型，采用了 Transformers 的 ...

基于深度学习的“说地理”教学实践浅探.pdf

08-18

综上所述，基于深度学习的“说地理”教学实践，不仅有助于提升学生的地理素养和语言表达能力，还有助于培养学生的问题解决能力和创新精神，最终促进学生的全面发展。这一教学模式的研究和实践，对于推动地理教学改革...

大语言模型浅探谈，包括GPT模型、RWKV模型

08-28

InstructGPT是基于GPT-3架构改进的版本，它通过人工反馈强化学习技术（RLHF）来优化模型，使其能更好地遵循人类指令并生成真实可信的回答。InstructGPT通过多种任务上的指令微调和人类反馈来降低模型产生无效输出的...

丰富实验举措促进深度学习——初中物理教学中学生深度学习浅探.pdf

08-18

总而言之，本文提出的一系列实验举措，旨在打破传统的以讲授为主的教学模式，通过设计丰富多样的实验活动和情境，激发学生的学习兴趣，促进学生的主动探索和思考，实现深度学习。在这一过程中，教师不仅仅是知识的...

语言模型建模与评估

11-03

本程序可以完成对以arpa语言模型文件格式保存的语言模型的建立，性能评估，包括如何计算交叉熵，如何计算困惑度perplexity.

计算机视觉和自然语言处理：OCR 模型

Persus & Xie

07-16

4257

文字识别（Optical Character Recognition，OCR）模型是一种用来从图像中提取文本的技术。OCR模型在计算机视觉和自然语言处理中的应用非常广泛，例如将扫描的文档转换为可编辑的文本文件，自动读取车牌号码，处理手写文本等。

语音专题第三讲，语言模型

Walk More Slowly

09-01

3387

语言模型技术广泛应用于语音识别、OCR、机器翻译、输入法等产品上。语言模型建模过程中，包括词典、语料、模型选择，对产品的性能有至关重要的影响。语言模型的建模需要利用复杂的模型公式进行模拟计算，是人工智能领域的关键技术之一。曹立新，2011年7月毕业于哈尔滨工业大学计算机科学与技术专业，曾任百度语音资深研发工程师。负责百度超大语言模型训练，语音交互技术研发以及语音搜索、语音输入法、语音助手等产品

OCR 模型记录

华灯初上博客

09-18

3047

文章目录OCR算法检测类1. DBNet特征融合模型输出处理2. SAST3. PGNet算法原理 OCR算法检测类 1. DBNet 属于分割类文本检测算法。其基于对模型预测出的特征图进行复制筛选的朴素思想，创新提出使用模型预测其阈值特征图，利用两者获得二值图，从而获取文本位置信息。其流程如下图：可以发现其能够处理不规则的文本，那么具体是怎么实现的呢？上图是整体网络流程，其基本架构为Backbone + FPN + DB Head,并不复杂，可能会造成疑惑的的有以下几点：特征融合的细节处理

通用多语言OCR自动检测识别

m0_63642362的博客

10-25

3467

根据语种分类模型与PaddleOCR中的多语言模型，构建一套多语言识别系统

【ChatOCR】OCR+LLM定制化关键信息抽取（附开源大语言模型汇总整理）