AI賦能千行百業(yè)的口號(hào)如今正在逐步落地實(shí)踐，普羅大眾在日常生活的衣食住行之中也越來越多的感受到AI帶來的智能和快捷。

　　比如社區(qū)場(chǎng)景中出入口的人臉識(shí)別通道、社區(qū)智能垃圾分類、電瓶車禁入電梯系統(tǒng)；辦公場(chǎng)景中人臉識(shí)別門禁考勤、票證識(shí)別；包裹收寄場(chǎng)景中圖片轉(zhuǎn)文本的一系列應(yīng)用等等。

　　如此來看，不知不覺中，除了人臉識(shí)別的應(yīng)用外，文本識(shí)別也已經(jīng)深入滲透到大眾生活當(dāng)中，并為我們帶來了諸多便利。

　　關(guān)于文本識(shí)別技術(shù)，其是計(jì)算機(jī)視覺和目標(biāo)識(shí)別的基礎(chǔ)研究之一，可以將圖片、掃描件中的文字識(shí)別成可以編輯的文本，代替人工手動(dòng)錄入，近年在深度卷積神經(jīng)網(wǎng)絡(luò)的推波助瀾下飛速進(jìn)展。

　　文本識(shí)別技術(shù) 秒識(shí)萬千字符

　　從目前市場(chǎng)上文本識(shí)別技術(shù)的應(yīng)用情況來看，文本識(shí)別技術(shù)適用于多種應(yīng)用場(chǎng)景，其實(shí)用性完全不亞于名聲在外的人臉識(shí)別。

　　平安科技就曾表示，文本識(shí)別技術(shù)的研究?jī)r(jià)值巨大，對(duì)人工智能在地圖導(dǎo)航、智能交通、信息檢索、機(jī)器視覺等領(lǐng)域的發(fā)展有較強(qiáng)推動(dòng)作用，具有廣闊的應(yīng)用空間和重要的研究意義。

　　隨著各行各業(yè)信息化程度的提升，很多需要文字信息錄入的場(chǎng)合如今也在實(shí)現(xiàn)業(yè)務(wù)流程的數(shù)智升級(jí)。傳統(tǒng)的票據(jù)錄入、單據(jù)錄入、各種證件執(zhí)照等文件信息的錄入以往基本只能人工手動(dòng)輸入，不僅效率低下，還容易出錯(cuò)。如今在AI技術(shù)賦能之下，卡證票據(jù)文檔識(shí)別技術(shù)的投入使用，可迅速提升文本信息的錄入效率，并且識(shí)別準(zhǔn)確率基本可達(dá)99%以上。

　　為了讓這項(xiàng)技術(shù)能夠更方便的為人所用，目前不少企業(yè)已經(jīng)開發(fā)了相當(dāng)成熟的票證識(shí)別應(yīng)用程序，嵌在各種業(yè)務(wù)辦理平臺(tái)的輔助功能當(dāng)中，方便隨點(diǎn)隨用。

　　比如平安科技專門研發(fā)的“平安票證識(shí)別通”，目前已接入平安產(chǎn)險(xiǎn)、平安壽險(xiǎn)、平安信托等企業(yè)中，廣泛應(yīng)用于移動(dòng)開戶、移動(dòng)投保、銀行票據(jù)錄入、醫(yī)療單據(jù)錄入等場(chǎng)景,可準(zhǔn)確識(shí)別身份證、行駛證、駕駛證、營(yíng)業(yè)執(zhí)照、醫(yī)療發(fā)票等證件票據(jù)。

　　復(fù)雜且個(gè)性化的文字和各類字符豐富著我們的日常生活，不過，這也給文本識(shí)別帶來挑戰(zhàn)。

　　比如在城市治理場(chǎng)景中，城市街道沿街商鋪各類個(gè)性化的招牌，招牌顏色各異、招牌大小不一、隨意變更招牌以及小廣告粘貼等問題，這不僅影響市容市貌也存在安全隱患。紫光華智推出的街面OCR識(shí)別算法可準(zhǔn)確識(shí)別不同招牌的文本和語義信息，提升城市智能化管理能力和效率，助力城市精細(xì)化管理。

　　而在大華股份針對(duì)文本識(shí)別技術(shù)的應(yīng)用案例中，我們還看到了文本識(shí)別在在鋼鐵、能源、交通等行業(yè)的應(yīng)用。比如在鋼鐵、能源領(lǐng)域，通過編號(hào)識(shí)別算法自動(dòng)獲取車輛、集裝箱、鋼卷等目標(biāo)上的編號(hào)信息，助力高效管理；在交通運(yùn)輸安全管理領(lǐng)域，運(yùn)用自然場(chǎng)景文字識(shí)別算法自動(dòng)讀取車身文字信息，智能篩選出重點(diǎn)管理車輛，以便針對(duì)不同車型采取不同管理方案。

　　又或者在醫(yī)療領(lǐng)域，幫助公司識(shí)別藥品說明書，幫助公司快速構(gòu)建藥品說明書的信息庫；在物流領(lǐng)域，通過文本識(shí)別技術(shù)快速完成各類單據(jù)自動(dòng)識(shí)別，提效降本效果顯著……文本識(shí)別技術(shù)可適用場(chǎng)景相當(dāng)廣泛，有了文本識(shí)別算法，也藉由機(jī)器之“眼”，讓我們從此告別繁瑣的手動(dòng)輸入低效率方式。

　　文本識(shí)別技術(shù)的難點(diǎn)和挑戰(zhàn)

　　文本識(shí)別應(yīng)用的普及，得益于OCR(Optical Character Recognition)文字識(shí)別算法的日趨成熟，不過，從目前市場(chǎng)的文本識(shí)別應(yīng)用情況來看，由于應(yīng)用場(chǎng)景的多樣性，文本識(shí)別也還面臨著一些挑戰(zhàn)：

　　1、掃描的單據(jù)往往存在虛線干擾、版面缺失、傾斜、暗光、扭曲、噪聲等情況，定位難度大。

　　2、文字千變?nèi)f化，例如字體、字號(hào)、顏色、筆畫寬度等不固定，方向任意；小數(shù)點(diǎn)、近似英文數(shù)字、特殊符號(hào)、連接詞、藝術(shù)字等，容易被漏檢或誤識(shí)別。

　　3、語言種類繁多，經(jīng)常是中英文混合,多種語言混合等場(chǎng)景,識(shí)別難度加大。

　　4、表格單據(jù)經(jīng)常存在蓋章(印章覆蓋文字)、錯(cuò)行(文字溢出表格單元，與表格線交叉)的情況，也造成文字識(shí)別干擾，極大影響識(shí)別準(zhǔn)確率。

　　5、拍照上傳的圖片存在噪聲、模糊、光線變化、形變、復(fù)雜背景干擾等問題，對(duì)文字定位和識(shí)別的準(zhǔn)確度是巨大的挑戰(zhàn)。

　　機(jī)器不同于人眼，尤其在現(xiàn)實(shí)場(chǎng)景中，字體設(shè)計(jì)、文本背板、語種以及外部的光線環(huán)境等各類因素都可能對(duì)機(jī)器識(shí)別造成干擾，而這也正是當(dāng)前AI視覺企業(yè)在文本識(shí)別算法上需要攻破的技術(shù)方向。

　　當(dāng)然，我們也看到了相關(guān)企業(yè)在算法研究上取得的進(jìn)展。比如針對(duì)低質(zhì)量圖像、生僻字、藝術(shù)字的識(shí)別。

　　大華依托自研的“巨靈”人工智能平臺(tái)，對(duì)識(shí)別算法進(jìn)行深度改進(jìn)，運(yùn)用多尺度融合、跨層鏈接等先進(jìn)技術(shù)，提高了算法對(duì)這類文本的識(shí)別效果；紫光華智則結(jié)合多尺度融合、注意力機(jī)制、多模型融合等先進(jìn)技術(shù)及基礎(chǔ)數(shù)據(jù)分析，對(duì)難例樣本進(jìn)行數(shù)據(jù)增強(qiáng)，實(shí)現(xiàn)了對(duì)圖片像素低、質(zhì)量差、藝術(shù)字體等識(shí)別效果的大幅提升； 華為云采用了黑邊處理、自動(dòng)糾偏、去噪、圖像自動(dòng)旋轉(zhuǎn)、多種二值化等方法處理圖像，從而提高了扭曲、復(fù)雜背景、光照、模糊場(chǎng)景下的文字檢測(cè)識(shí)別準(zhǔn)確率。

　　在AI視覺企業(yè)的持續(xù)探索之下，文本識(shí)別算法也得以不斷演進(jìn)，而伴隨著算法的日趨成熟，作為AI賦能千行百業(yè)的又一個(gè)典型，文本識(shí)別場(chǎng)景雖小，卻大有乾坤!