OCR基本原理

学习内容为《动手学OCR.pdf》

1 OCR基础

1.1 OCR是什么

OCR（Optical Character Recognition，光学字符识别）；
传统意义上的OCR：面向扫描文档类对象；
一般意义上的OCR：场景文字识别（Scene Text Recognition，STR），主要面向自然场景。

1.2 OCR应用场景

OCR应用场景：车牌识别、银行卡信息识别、身份证信息识别、火车票信息识别等；
与其它技术相结合（多模态场景中的通用OCR）：使用OCR技术进行字幕自动翻译、内容安全监控等；与视觉特征相结合，完成视频理解、视频搜索等。

1.3 OCR技术挑战

• 算法层的问题：透视变换、尺度太小、文字弯曲、背景干扰、字体多变、多种语言、拍摄模糊、光照不足。

• 应用层问题：实时处理（要求模型的速度要快）、轻量（应用于移动端或嵌入式硬件）。

2 OCR相关算法

包括文本检测、文本识别、端到端文本识别、文档分析等

2.1 文本检测

2.2 文本识别

2.3 文档分析

2.4 端到端算法