OCR（光學(xué)字符識(shí)別）將手寫或印刷的圖像轉(zhuǎn)換為信息文本的技術(shù)，可以追溯到上世紀(jì)70年代初。不過(guò)隨著科技的進(jìn)步以及企業(yè)對(duì)OCR的需求越來(lái)越多樣化，亞馬遜的研究人員為了改善OCR算法和彎曲文本的識(shí)別準(zhǔn)確率，開(kāi)發(fā)了一款名為Text Tubes的智能工具。它可以快速識(shí)別自然圖像中彎曲文本的信息，并在OCR的基準(zhǔn)上達(dá)到更理想的識(shí)別效果。

通常識(shí)別場(chǎng)景文本時(shí)分為兩個(gè)連續(xù)的任務(wù)：文本檢測(cè)與文本識(shí)別；第一個(gè)任務(wù)通過(guò)使用上下文關(guān)系來(lái)定位字符、單詞和行；而第二個(gè)任務(wù)主要用來(lái)轉(zhuǎn)錄其識(shí)別的內(nèi)容。這兩項(xiàng)任務(wù)說(shuō)起來(lái)非常容易，但是對(duì)于計(jì)算機(jī)來(lái)說(shuō)卻非常的困難。因?yàn)檫@涉及到變形、視點(diǎn)變化和任意字體的影響。

亞馬遜的解決方案是利用文本參考框架的“形狀”來(lái)捕獲大多數(shù)文本的可變性。同時(shí)利用目標(biāo)文本的大小，來(lái)還原識(shí)別文本的“形體”。與易于重疊和容易產(chǎn)生噪聲的矩形和四邊形來(lái)捕獲文本信息的傳統(tǒng)方法相比，亞馬遜的方法將顯得更加高效和智能。

研究人員在CTW-1500上評(píng)估了Text Tubes的性能，該數(shù)據(jù)集從自然場(chǎng)景和圖像庫(kù)中收集了1,500張圖像，超過(guò)10,000個(gè)文本實(shí)例（每個(gè)圖像至少一個(gè)彎曲實(shí)例）組成，并在Total-Text上進(jìn)行了測(cè)試。Total-Text包含大約1,255次訓(xùn)練圖像和300個(gè)測(cè)試圖像以及一個(gè)或多個(gè)彎曲文本實(shí)例。測(cè)試報(bào)告顯示，Text Tubes在CTW-1500上以83.65％的準(zhǔn)確度取得了行業(yè)領(lǐng)先的水平，而傳統(tǒng)OCR準(zhǔn)確度為75.6％。

目前Text Tubes還處于測(cè)試階段，如果該技術(shù)正式投入使用，這對(duì)于那些高度依賴OCR開(kāi)展業(yè)務(wù)的企業(yè)來(lái)說(shuō)，將是一個(gè)好消息。有數(shù)據(jù)統(tǒng)計(jì)，紙張業(yè)務(wù)仍占80％以上的數(shù)字業(yè)務(wù)流程，大約97％的小企業(yè)仍使用紙質(zhì)支票。

繼續(xù)閱讀：亞馬遜   AI   彎曲文本

未經(jīng)允許不得轉(zhuǎn)載：RPA中國(guó) | RPA全球生態(tài) | 數(shù)字化勞動(dòng)力 | RPA新聞 | 推動(dòng)中國(guó)RPA生態(tài)發(fā)展 | 流 > 亞馬遜通過(guò)AI改善對(duì)彎曲文本的識(shí)別準(zhǔn)確率