分享好友 最新动态首页 最新动态分类 切换频道
ocr优化
2024-12-29 23:38
(一)提高OCR准确度方法

1.检查图像质量
我们首先要确保原始图像是可见的,以便它们可以获得更好的结果。
2.选择最好的OCR模型
OCR主要负责理解给定图像中的文本,因此有必要选择能够更好的检测和识别的模型,来处理图像

3.将图像缩放到合适的大小

我们尝试将图像缩放到大约300 dpi的标准尺寸,低于此尺寸的图像都会产生不清晰的结果,而高于600 dpi的图像会使输出文件变大而质量不高。

4.消除图像中的噪音

如果图像中存在背景或前景噪声,我们要将其删除,以便获得高质量的数据输出。

5.纠正布局

在预处理阶段,重要的是校正页面以使字线是水平的,以帮助OCR以更准确的方式识别文本边界。

6.准备足够多的检测集和识别集

大量数据能够更好的训练,提高准确度。

(二)提升自然场景下的文字识别精度

OCR识别一般分为两步:文本检测,文本识别。

:采用对比极值区域CER检测方法
文本检测首先要从图像中切割出可能存在的文字,在传统检测方法ER和MSER基础之上采用了对比极值区域CER
CER是跟周围的背景有一定对比度的极值区域,这个对比度至少要强到能够被人眼感知到,在低对比度的图像上比MSER效果更好,而且获得的候选连通区域数量远小于ER,候选范围大大缩小,提高了算法的效率。
在图像模糊、分辨率低或者噪声较多时,提取出来的CER有可能会含有冗余像素或者噪声,这些冗余像素或者噪声的存在会使得后面的文字/非文字分类问题变得更为复杂。

在实际操作中,并不是每个CER都需要通过颜色信息来增强,因为有很多CER本身颜色均匀,没有噪声,尤其是在图片质量很高的时候。因此,在对CER进行增强操作之前我们会先判断该CER是否需要增强操作,以减少不必要的计算复杂度。

:基于浅层神经网络的文字/非文字分类算法

当获得了高质量的候选连通区域,就需要对其中的字符进行分辨,确定其是否为文字或非文字
基于浅层神经网络的文字/非文字分类算法,比以往的算法更加有效。

该算法根据文字本身的特性采用分治策略将原始问题空间划分为5个子空间,每个子空间对应一类文字样本,分别命名为Long类,Thin类,Fill类,Square-large类和 Square-small类(如下图所示,于是每个候选连通区域被划分到这5类中的一种。

每次分类动作包括两个阶段——预剪枝(Pre-pruning)阶段和验证(Verification)阶段。在预剪枝阶段,分类器的任务是尽可能滤除无歧义的非文字候选连通区域;在验证阶段,则通过引入更多信息来消除孤立连通区域的歧义性,从而进一步滤除有歧义的非文字候选连通区域。

(三)优化文本检测

图中可以看到对于ImageNet 1000图像分类任务,MobileNetV3在相同预测速度的情况下,准确率最好。因此我们选择MobileNetV3作为骨干网络。

2.头部轻量化
DB文本检测的头部是类似目标检测中FPN的网络结构。融合了多个分辨率的特征图,提升对不同尺度目标的检测效果。为了便于特征融合,一般会使用一个1*1的卷积,将不同分辨率的特征图的特征通道数转换为相同的特征通道数,简称为inner_channels。考虑到预测的概率图和阈值图都与inner_channels相关,所以inner_channels对模型大小有非常大的影响。表2中显示,将inner_channels从256减小到96,模型大小从7M减小到4M,预测时间从406ms减小到213ms,加速50%,效果指标HMean下降不到1%。可见inner_channels对模型大小的影响,减小这个值,综合收益比较明显。

3.预热学习率
之前很多研究表明,在训练刚开始,使用太大的学习率,会导致学习过程中数值上不稳定。建议刚开始使用较小的学习率,逐步增加到初始学习率,这样有助于效果提升。对于文本检测,这个策略非常也有效。

4.基于Tesseract—OCR技术

  • 对图片进行切割
  • 在进行图片的二值化时,有两种方式
    (1)图片为彩色时,宜找到每个像素点合适的灰色度,因为每个像素点的灰色度不同程度上受到周边像素加权影响,从而影响整个图片的识别率。
    (2)图片为黑白色时,宜采用max-min方法对图片进行二值化。
  • 选取二值化中的经验阈值,我们有以下思路
    (1)二值化微分计算阈值
    (2)二值化类卷积的对梯度变化加强得到阈值

对24位位图进行中值滤波会改变RGB各分量的值,所以图片的颜色会发生变化,但对于8位的位图,由于都是灰度的颜色,所以变化并不明显,而且滤波的窗口选的越大,对应的滤波效果的模糊度也会上升。

- 增加图片的亮度

增加图片亮度可以使有些彩色图片的识别率大大增加,本程序别的图片为黑白照片,增加图片亮度提升的识别率并不乐观。

- 对图片的边缘进行尖锐化处理

锐化可以快速调整图像边缘细节的对比度,并在边缘的两侧生成一条亮线一条暗线,使画面整体更加清晰。对于高分辨率的输出,通常锐化效果在屏幕上显示比印刷出来的更明显。

- 对图片进行平滑缩放

最新文章
2019年,这8款自动语音识别方案你应该了解!
作者 | Derrick Mwiti翻译 | 核子可乐编辑 | LindaAI 前线导读:基于计算机的人类语音识别与处理能力,被统称为语音识别。目前,这项技术被广泛用于验证系统中的某些用户,以及面向谷歌智能助手、Siri 或者 Cortana 等智能设备下达指令。从
22条朋友圈心情说说短句
我们生活在一个信息时代,我们会不断收到别人转发的美句。这些句子的特点即是意义浓缩,关于好听又优美的句子你知道那些?小编特别为你收集的“22条朋友圈心情说说短句”,欢迎你阅读和收藏,并分享给身边的朋友!一、无人理睬时,坚定执着
AI生成形象照全攻略:从选型到操作,一步解决个性化形象照制作难题
在数字化时代个性化形象照成为了展示自我、彰显个性的关键形式。传统的形象照制作过程往往耗时耗力且难以达到理想效果。如今人工智能技术的崛起为形象照制作带来了新的可能。本文将为您详细介绍怎样去利用生成形象照从选型到操作一步解决个
2024最新AI大模型面试指南(含答案)大放送!
AI 大模型技术经过2023年的狂飙,2024年必将迎来应用的落地,对 IT 同学来讲,这里蕴含着大量的技术机会,越来越多的企业开始招聘 AI 大模型岗位,本文梳理了 AI 大模型开发技术的面试之道,从 AI 大
AI数字人直播系统源码价格公布!要多少钱?
AI数字人在2023年迎来新的爆发。如果说有些产业,在我们创业的时候,我们或许还会犹豫于它的未来,它的前景,但AI科技,这种前沿的技术,却恰好所有关于AI的创业,我们完全不用担心产品的未来前景,所有的历史都在告诉我们,科技的东西,永
AI工具箱合集,提升你的人工智能工作效率
()逐渐成为了各个领域的热门话题。在AI领域,各种各样的工具和算法层出不穷,针对不同的应用场景提供了许多方便快捷的解决方案。如果你想要提高你的AI工作效率,不妨拥有一套箱合集。一、数据集工具在进行任务时,数据集是至关重要的。能
AI Buddy项目研发虚拟伙伴,通过人工智能陪伴孩子成长
项目灵感来源于对军人孩子成长问题的思考,如果家长长时间参军甚至在参军途中丧生,小孩的心灵创伤该如何抚平? 虚拟助手能否在此过程中充当一个倾听者与陪伴者?AI Buddy创始人周沙联合创新机构CrowdFlower和WeBelievers,与致力于儿童创
DDos攻击如何被高防服务器有效防范?
在结束之际,我想重申的是,学习并非如攀登险峻高峰,而是如滴水穿石般的持久累积。尤其当我们步入工作岗位之后,持之以恒的学习变得愈发不易,如同在茫茫大海中独自划舟,稍有松懈便可能被巨浪吞噬。
Elasticsearch使用就是如此的简单
项目地址:https://gitee.com/charlinchenlin/wysmall Elasticsearch 是一个分布式、高扩展、高实时的搜索与数据分析引擎。它能很方便的使大量数据具有搜索、分析和探索的能力。充分利用Elasticsearch的水平伸缩性,能使数据在
AI陪伴迅猛崛起,测测App用户已超3600万
这一趋势在全球范围内都有所反映。以国外的Character.AI为例,截止到2023年中,该应用的移动端累计下载量已达到3432万,网页端的月访问量更是高达3.1亿。这样迅猛的增长显示了AI陪伴市场的巨大潜力。与此同时,Statista的数据也表明,2022
相关文章
推荐文章
发表评论
0评