- 综合排序
- 最热优先
- 最新优先
- 来自专栏橙、
【光学字符识别】OCR 浅述
光学字符识别（OCR）是一种通过将打字、手写或印刷文本的图像转换为数字化文本的技术，这种数字化的文本可以通过扫描文档、文档照片、场景照片，或者来自图像上叠加的字幕文本来获得。 光学字符识别的发展最早的 OCR 应用在了帮助视障人群方面，1914 年，Emanuel Goldberg 开发了可以读取字符并将其转换为电报代码机器；几乎同时，Edmund Fournier d'Albe 开发了手持式扫描仪 Optophone ，会输出与特定字母或单次相对应的音调；1929 年德国的 Tausheck 取得光学字符识别的专利。 同时，以往自然环境下的光学字符识别相比于传统的光学字符识别, 自然场景文字图像的前景文字和背景物体的变化很大, 光照情况也相当复杂，检测自然场景图像中的文字更具挑战，随着机器学习算法的引入，这一部分内容变得可信 3. 特定场景下的字符识别智能OCR技术不仅可以用于文档识别，还可以应用于广告推荐、UCG图片和视频筛选、医学影像识别和街景路牌识别等场景。
1.5K30编辑于 2023-08-25 - 来自专栏AIoT技术交流、分享
SVM算法实现光学字符识别
OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机字符的过程 ；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过字符识别模型将图像中的文字处理成文本格式。 光学字符识别是OCR的核心，然而对于许多类型的机器学习算法来说，这种图像处理都是一项艰巨的任务。 将像素模式连接到更高概念的关系是极其复杂的，而且很难定义。 ）来构建光学字符识别模型。 模型训练 接下来使用sklearn.svm包中的相关类来实现来构建基于支持向量机的光学字符识别模型。
1.4K30发布于 2021-05-08 - 来自专栏杨丝儿的小站
【深度学习】光学字符识别（OCR）
什么是OCR 1）定义 OCR （Optical Character Recognition，光学字符识别）是指对图片中的文字进行查找、提取、识别的一种技术，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程 3）网络结构 VGG16+Conv5：CTPN的基础网络使用了VGG16用于特征提取，在VGG的最后一个卷积层Conv5，CTPN用了3×3的卷积核来对该feature map做卷积，这个Conv5 3）link(链接) 在检测到segment之后，会进行link，将segment合在一起。 图3。(a) 基本的LSTM单元的结构。LSTM包括单元模块和三个门，即输入门，输出门和遗忘门。（b）我们论文中使用的深度双向LSTM结构。 如下表所示： IIIT5k，SVT，IC03，IC13表示4个数据集 50，1k，50k和Full表示使用的字典，None表示识别没有字典 识别图像中的乐谱被称为光学音乐识别（OMR）问题。
7.9K10编辑于 2022-03-01 - 来自专栏深度学习和计算机视觉
OCR光学字符识别方法汇总
光学字符识别（OCR）相信大家都不陌生，就是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。 对于文字识别，实际中一般首先需要通过文字检测定位文字在图像中的区域，然后提取区域的序列特征，在此基础上进行专门的字符识别。但是随着CV发展，也出现很多端到端的End2End OCR。 CTPN由检测小尺度文本框、循环连接文本框、文本行边细化三个部分组成，具体实现流程为： 1、使用VGG16网络提取特征，得到conv5_3的特征图； 2、在所得特征图上使用3*3滑动窗口进行滑动，得到相应的特征向量 3.2.1 CNN + softmax [5] 此方法主要用于街牌号识别，对每个字符识别的架构为：先使用卷积网络提取特征，然后使用N+1个softmax分类器对每个字符进行分类。 相比传统3x3卷积，可变形卷积可以提取文字区域不同形状的特征。
2.5K30编辑于 2022-04-06 - 来自专栏Mac应用教程
OCR Tool PRO Mac(OCR光学字符识别)
推荐这款OCR光学字符识别工具OCR Tool PRO，以卓越的准确性和速度从图像和 PDF 中提取文本。
20.2K20编辑于 2022-08-29 - 来自专栏林德熙的博客
win10 uwp 使用 OCR 光学字符识别
在 UWP 里面可以很方便通过 Windows.Media.Ocr.OcrEngine 识别图片的字符，其实老周有写过这一篇技术博客，今天有小伙伴在问如何实现，我还以为老周的博客过时了，于是重新复制老周的代码跑了一次，然后就通过了
1.8K20发布于 2020-04-10 - 来自专栏reizhi
微软为SkyDrive加入OCR光学字符识别功能
OCR技术的中文译名为光学字符识别，该技术能够将图片中的文字提取为可编辑的文字。虽然时至今日技术仍不成熟，但在大多数情况下已经能够代替人工独立作业。
1.4K20编辑于 2022-09-26 - 来自专栏闪电gogogo的专栏
【OCR技术系列一】光学字符识别技术介绍
注：此篇内容主要是综合整理了光学字符识别 和OCR技术系列之一】字符识别技术总览，详情见文末参考文献 什么是 OCR？ OCR（Optical Character Recognition，光学字符识别）。简单来说是利用光学技术和计算机技术把印在或写在纸上的文字读取出来，并转换成一种计算机能够接受、人又可以理解的格式。 具体操作过程大致为电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件 比如“品”字，它的特征就是它有3个圈，6条横线，6条竖线。除了结构特征，还有大量人工专门设计的字符特征，据说都能得到不错的效果。最后再将这些特征送入分类器（SVM）做分类，得出识别结果。 参考： [1] 光学字符识别，百度百科 [2] 【OCR技术系列之一】字符识别技术总览
6.9K40发布于 2018-08-10 - 来自专栏站长的编程笔记
【说站】python OpenCV中的光学字符识别介绍
python OpenCV中的光学字符识别介绍 1、光字识别简称OCR，是用来描述将文本图像转换成机器编码文本的算法和技术。 2、图像预处理和OCR结果后处理步骤通常用于提高OCR精度。 以上就是python OpenCV中的光学字符识别介绍，希望对大家有所帮助。 更多Python学习指路：python基础教程 本文教程操作环境：windows7系统、Python 3.9.1，DELL G3电脑。
77410编辑于 2022-11-24 - 来自专栏xingoo, 一个梦想做发明家的程序员
吴恩达机器学习笔记 —— 19 应用举例：照片OCR（光学字符识别）
这种OCR识别的问题可以理解成三个步骤： 文本检测 字符切分 字符识别 ? 文本检测 文本的检测可以用行人的检测来做，思路差不多。 ? 我们定义几个固定大小尺寸的窗口，从照片的左上角开始扫描。 字符识别 最后的字符识别就很简单了，找够样本，就可以做多分类了。跟手写体识别一样的玩法~ ? 关于训练的样本 其实训练的样本可以根据已有的样本进行成倍的扩充。
1.2K00发布于 2018-07-31 - 来自专栏机器之心
支持40+种语言和本地运行，这个OCR库轻松搞定光学字符识别
OCR（光学字符识别）是是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。目前，这项技术在拍照搜题、拍照翻译等应用中得到广泛使用。
2.6K60发布于 2020-07-09 - 来自专栏睐芯科技LightSense
成像光学、非成像光学和光学拓展量简介
成像光学成像光学是传统几何光学的核心内容，成像光学系统包括三个部分：物体、透镜和像。 成像光学的根本任务是利用成像系统实现不失真或尽可能少失真的信息变换或传输。光学成像主要分为三类：小孔成像、镜面成像和透镜成像。 非成像光学系统非成像光学系统按应用可以分为两类：集光系统和配光系统，集光系统应用于太阳能或光电检测中；配光系统主要用于照明设计，尤其是LED 照明设计。1. 非成像光学理论1 光展理论光展（光学扩展量）来自法语单词etendue 是几何光学系统中的一个重要光学属性，用来刻画光学系统的通光能力。 对于理想光学系统光展是一个守恒量， 而对于非理想系统光展只增不减，正是光展守恒为非成像光学设计带来了方便。2 .
1.2K10编辑于 2024-07-24 - 来自专栏睐芯科技LightSense
光学玻璃之光学特性
(1)折射率每个牌号的光学玻璃均按下表所列的光谱线给出折射率，所记载的折射率依据(4)项的色散曲线方程式计算得出。 (3)特殊色散性一般光学玻璃的绝大部分，部分色散比和阿贝数之间存在如下线性关系，这样的硝材被称为正常部分色散玻璃，与此相反，如果在领域图上偏离这条直线的玻璃被称为特殊部分色散玻璃，特殊色散性的大小以“正常玻璃 n(λ)^2=A0+A1*λ^2+A2*λ^4+A3*λ^-2+A4*λ^-4+A5*λ^-6+A6*λ^-8+A7*λ^-10+A8*λ^-12以下A0~ A8 是依据玻璃的牌号所定的定数,对每种玻璃进行精密测试所得到的折射率使用最小二乘法计算得出 (n^2-1)/(n^2+2)=p1λ^2/(λ^2-Q1)+p2λ^2/(λ^2-Q2)+p3λ^2/(λ^2-Q3)对以上的两个色散曲线方程式存在偏差有标识请参考。
84710编辑于 2024-07-24 - 来自专栏算法进阶
用Transformer实现OCR字符识别！
optimizer等) 其中 ocr_by_transformer.py 为主要的训练脚本，其依托 train_utils.py 和 transformer.py 两个文件构建 transformer 来完成字符识别模型的训练 : 51, ':': 19, 'f': 133, 'm': 202, '9': 66, '7': 45, 'j': 15, 'z': 12, '´': 3, 'Q': 19, 'Z': 29, '&': : 5, '6': 40, '[': 2, ']': 2, 'É': 1, 'q': 3, ';': 3, '@': 4, '%': 28, '=': 1, '(': 6, ')': 5, '+': 1 : 7, '6': 46, '[': 2, ']': 2, 'É': 2, 'q': 3, ';': 3, '@': 9, '%': 42, '=': 1, '(': 7, ')': 5, '+': 2 这里还有个细节，观察上图你会发现，每个宽：高=1：1的区域内，基本都分布着2-3个字符，因此我们实际操作时也没有严格的保持宽高比不变，而是将宽高比提升了3倍，即先将原始图片宽度拉长到原来的3倍，再保持宽高比
5.5K30编辑于 2022-06-02 - 来自专栏自然语言处理
Datawhale 零基础入门CV赛事-Task3 字符识别模型
3 字符识别模型 本章将会讲解卷积神经网络（Convolutional Neural Network, CNN）的常见层，并从头搭建一个字符识别模型。 如下图所示为LeNet网络结构，是非常经典的字符识别模型。两个卷积层，两个池化层，两个全连接层组成。卷积核都是5×5，stride=1，池化层使用最大池化。 [图片上传失败... 36ae86-1590505808239)] 3.4 Pytorch构建CNN模型 在上一章节我们讲解了如何使用Pytorch来读取赛题数据集，本节我们使用本章学习到的知识构件一个简单的CNN模型，完成字符识别功能 =(3, 3), stride=(2, 2)), nn.ReLU(), nn.MaxPool2d(2), nn.Conv2d( self.fc3 = nn.Linear(32*3*7, 11) self.fc4 = nn.Linear(32*3*7, 11) self.fc5 = nn.Linear
61910发布于 2020-05-29 - 来自专栏TEL18600524535
基于大模型与光学字符识别（OCR）融合的文档抽取技术，为证照管理提供了新的技术路径
随着文档智能化处理技术的发展，基于大模型与光学字符识别（OCR）融合的文档抽取技术，为证照管理提供了新的技术路径。本文将就其技术原理与应用实践进行阐述。 3.融合机制：OCR与大模型的协同OCR与大模型的融合并非简单的流水线串联，而是存在多层次的交互与校验：OCR文本作为输入：OCR识别结果（包括文本内容、位置坐标、识别置信度）作为大模型的主要输入信息。
11600编辑于 2026-04-01 - 来自专栏流川疯编写程序的艺术
OpenCV OpenGL手写字符识别
********** Copyright (C) File name: Author: Hardy Version: 1.0 Date: 2007－3－ *************************************** Function: Description: 样本数据载入 Date: 2007－3－ ************************************* Function: Description: 穿线得到特征数据 Date: 2007－3－ B D G K M N P Q T X Y 两笔划完成 //3. A E F H I R 三笔划完成 //online upper letter rule //1. B D G K M N P Q T X Y finish in two stroke //3.
1K30编辑于 2022-11-29 - 来自专栏Datawhale专栏
用Transformer实现OCR字符识别！
optimizer等) 其中 ocr_by_transformer.py 为主要的训练脚本，其依托 train_utils.py 和 transformer.py 两个文件构建 transformer 来完成字符识别模型的训练 : 51, ':': 19, 'f': 133, 'm': 202, '9': 66, '7': 45, 'j': 15, 'z': 12, '´': 3, 'Q': 19, 'Z': 29, '&': : 5, '6': 40, '[': 2, ']': 2, 'É': 1, 'q': 3, ';': 3, '@': 4, '%': 28, '=': 1, '(': 6, ')': 5, '+': 1 : 7, '6': 46, '[': 2, ']': 2, 'É': 2, 'q': 3, ';': 3, '@': 9, '%': 42, '=': 1, '(': 7, ')': 5, '+': 2 这里还有个细节，观察上图你会发现，每个宽：高=1：1的区域内，基本都分布着2-3个字符，因此我们实际操作时也没有严格的保持宽高比不变，而是将宽高比提升了3倍，即先将原始图片宽度拉长到原来的3倍，再保持宽高比
5.9K30发布于 2021-12-02 - 来自专栏计算摄影学
光学系统基本概念挑战3-如何确定光学系统的f-number
请确定这个光学系统的f-number。
94020编辑于 2023-09-01 - 来自专栏硅光技术分享
光学相控阵列
这一篇笔记主要介绍光学相控阵列。 光学相控阵列(optical phased array，以下简称OPA), 即通过调控阵列中不同通道光场的相位，实现光束传播方向的偏转与调节，示意图如下， ? 3）基于光波导阵列的相控阵列 该方案主要利用波导材料的电光效应或者热光效应，通过调节电压，使得相邻通道的相位差为常数。该方案的优势是可以片上集成，成本低，调制速度较快。 得益于集成光学的发展，基于硅光、InP系统的光学相控阵列都已经在实验室实现。典型的结构如下图所示，有点类似阵列波导光栅结构(AWG)。黄色区域为相位调制区域。 ? (图片来自文献3) 光学相控阵列可应用在激光雷达(LIDAR)、光学成像、空间光通信等领域。基于OPA的激光雷达，通过动态调节光束的出射角度，接收其反射信号，从而知晓目标的位置、形貌等信息。 如果说激光雷达是无人驾驶汽车的眼睛，那么光学相控阵列决定了这个眼睛的视场、反应速度。 以上是对光学相控阵列的原理和应用的简单介绍。
5.3K12发布于 2020-08-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号