- 综合排序
- 最热优先
- 最新优先
- 来自专栏PaddlePaddle
【场景文字识别】场景文字识别
场景文字识别是在图像背景复杂、分辨率低下、字体多样、分布随意等情况下，将图像信息转化为文字序列的过程，可认为是一种特别的翻译过程：将图像输入翻译为自然语言输出。 场景图像文字识别技术的发展也促进了一些新型应用的产生，如通过自动识别路牌中的文字帮助街景应用获取更加准确的地址信息等。 在场景文字识别任务中，我们介绍如何将基于CNN的图像特征提取和基于RNN的序列翻译技术结合，免除人工定义特征，避免字符分割，使用自动学习到的图像特征，完成端到端地无约束字符定位和识别。 本例将演示如何用 PaddlePaddle 完成 场景文字识别 (STR, Scene Text Recognition) 。 任务如下图所示，给定一张场景图片，STR 需要从中识别出对应的文字"keep"。 ? 图 1. 输入数据示例 "keep" |2.
30.3K70发布于 2018-04-02 通用文字识别-通用文字OCR-文字识别接口介绍
前言传统人工录入图文资料存在效率低、出错率高、无法留存文字位置版式信息等问题。 本通用文字识别 API 依托深度学习优化算法，识别精度最高可达 99.9%，支持图片、PDF、OFD 文件解析，同步返回文本坐标、轮廓点位、段落结构与置信度数据；可快速对接各类业务系统，完成图像文字结构化 通用文字识别在以下场景中应用广泛：政务档案数字化财务单据自动处理资质证件信息采集固化电子文档解析日常图文文字提取工业资产信息采集版面还原与标注开发企业办公自动化API介绍请求说明名称类型必须说明imageString 否图片base64pdfString否PDF文件的base64pdfNumString否需要识别的PDF文件的对应页码，不传默认识别第 1 页ofdString否OFD文件的base64ofdNumString 否需要识别的OFD文件的对应页码，不传默认识别第 1 页fileFile否文件urlString否文件地址image、pdf、ofd、file、url 必须提供一个，优先级：image > pdf >
16810编辑于 2026-07-24- 来自专栏UQUQ
Python文字识别
matplotlib pip3 install torch torchvision torchaudio pip install matplotlib pip install torchvision 训练数字识别模型 """ ****************** 训练数字识别模型 ******************* """ # -*- coding: utf-8 -*- import cv2 import imshow(images) print(labels) # 定义一个LeNet-5网络，包含两个卷积层conv1和conv2，两个线性层作为输出，最后输出10个维度 # 这10个维度作为0-9的标识来确定识别出的是哪个数字 /MNISTModel.pkl") 关闭开始训练 20次训练完成 已保存模型 实现MNIST手写数字识别 """ ****************** 实现MNIST手写数字识别 ******** enlarge_img) cv2.waitKey(0) # 定义一个LeNet-5网络，包含两个卷积层conv1和conv2，两个线性层作为输出，最后输出10个维度 # 这10个维度作为0-9的标识来确定识别出的是哪个数字
20.8K20编辑于 2023-05-11 - 来自专栏播放刘德华的歌
文字识别0727
数学公式识别和物理公式识别有什么区别吗？ 新增了二维码识别 本接口支持条形码和二维码的识别（包括 DataMatrix 和 PDF417）。 image.png 这个二维码识别有什么用呢？ 条形码识别，我就是好奇，为什么便利店里扫码，可以直接识别那么快，还有各种奇形怪状的想法，奇思妙想的想法。
29.1K20发布于 2020-07-28 - 来自专栏播放刘德华的歌
文字识别0730
条码信息识别 那天我的手机没电了，然后我到最近的美宜佳超市去借了一个充电宝，借充电宝之前需要扫一下二维码。 但是我的手机已经关机，于是就买了一瓶水，扫描上面的条形码，然后顺便先充个电。 通过微信小程序可以实现条码信息识别吗？有客户实现过这个案例吗？ 微信小程序识别的顺序是怎么样的呢？
27.2K20发布于 2020-07-30 - 来自专栏Node开发
图片文字识别(2)
上篇文章主要对百度AI文字识别接口最基础的通用文字以及手写文字图片进行了接入识别，本篇文章我们来接着看几个实用性比较强的文字识别接口。百度AI接口对接挺容易的，签名加密都没有涉及到。 但是这样操作优缺点在哪呢： 优点：相对于读取本地照片，用户可以传入指定图片的url进行缓冲数据再进 行编码为BASE64，可以达到文字识别用户想要上传的图片。 表格文字识别(内含两个接口) 自动识别表格线及表格内容，结构化输出表头、表尾及每个单元格的文字内容。 本接口为异步接口，分为两个API：提交请求接口、获取结果接口。下面分别描述两个接口的使用方法。 但是我这里就不准备一一介绍了，有兴趣可以自行查看百度AI文字识别文档： https://ai.baidu.com/docs#/OCR-API/87932804 其实业务开发过程如果适当的引入人脸识别，文字识别等 而且百度AI还提供了一系列需要申请权限的接口，很大成都方便了我们的开发，我们不必去追究底层是如何识别图片中的文字的，就可以快速接入API识别我们需要的功能。
57.4K30发布于 2019-07-01 - 来自专栏播放刘德华的歌
ocr文字识别0804
今天我翻开ocr识别的demo发现，更新上线了智能卡证分类了。这意味着将为你的开发带来了极大的便利。 image.png 那我们来看一下这个接口给我们带来的能力是什么呢？ DiscernType.N 否 Array of String 可以指定要识别的票证类型,指定后不出现在此列表的票证将不返回类型。不指定时默认返回所有支持类别票证的识别信息。 以下是当前支持的类型：IDCardFront: 身份证正面识别IDCardBack: 身份证背面识别Passport: 护照BusinessCard: 名片识别BankCard: 银行卡识别VehicleLicenseFront : 行驶证主页识别VehicleLicenseBack: 行驶证副页识别DriverLicenseFront: 驾驶证主页识别DriverLicenseBack: 驾驶证副页识别PermitFront: 当图片类型不支持分类识别或者识别出的类型不在请求参数DiscernType指定的范围内时，返回结果中的Type字段将为空字符串，Name字段将返回"其它" RequestId String 唯一请求 ID
46.4K50发布于 2020-08-04 - 来自专栏用户2442861的专栏
Tesseract ocr文字识别
https://blog.csdn.net/haluoluo211/article/details/77776697 前面很早做了图片的文字识别主要用到了开源框架Tesseract，当然做OCR 之前先要定位图片文字。 先上个图： 工作中项目组一般使用java因此代码，下面贴出java代码，最简单的图片识别： package com.recognition; import java.awt.*; import catch (TesseractException e) { System.err.println(e.getMessage()); } } } 图片文字提取
26.6K20发布于 2018-09-19 - 来自专栏音视频技术学习笔记
图片文字识别原理
机器学习作业3-神经网络 一、算法目标 通过神经网络，识别图片上的阿拉伯数字 作业材料中提供了原始图片素材，并标记了观察的值 ? 每一张小图，宽高20 * 20，用灰度值表示。 先用逻辑回归处理数据 下面这段话非常重要，是数字识别的核心逻辑 raw_y表示结果集，存储了5000条数据的结果，单一维度的机器学习算法并不能识别出多种可能。
47.9K10发布于 2021-03-05 - 来自专栏王磊的博客
Tesseract Ocr文字识别
Tesseract的OCR引擎最先由HP实验室于1985年开始研发，至1995年时已经成为OCR业内最准确的三款识别引擎之一。 tesseract_cmd = 'tesseract' 修改为： tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe' 四、代码识别 text-img.png" text = pytesseract.image_to_string(Image.open(path), lang='chi_sim') print(text) 作为非常优秀的Ocr识别库 ，tesseract当然可以训练自己的数据模型，从而达到为我所用目的，后续文字会介绍如果训练自己的文字识别库。
41.9K10发布于 2018-07-04 - 来自专栏王磊的博客
Tesseract Ocr文字识别
Tesseract的OCR引擎最先由HP实验室于1985年开始研发，至1995年时已经成为OCR业内最准确的三款识别引擎之一。 tesseract_cmd = 'tesseract' 修改为： tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe' 四、代码识别 text-img.png" text = pytesseract.image_to_string(Image.open(path), lang='chi_sim') print(text) 作为非常优秀的Ocr识别库 ，tesseract当然可以训练自己的数据模型，从而达到为我所用目的，后续文字会介绍如果训练自己的文字识别库。
78.7K90发布于 2018-05-08 - 来自专栏ocr
OCR文字识别技术
信息化时代，录入信息的时代，在这大数据时代，非结构数据如何快速高效地处理图片化、形体化的信源，使之通过识别转化为可编辑的文本信息和特征数据，方便数据库的采集、管理、分析和决策，成为摆在诸多领域面前的共同难题 文字作为承载人类千年文明的符号，在信息时代的今天，数字图像纷繁复杂，如何便捷高效的获取其中的文字信息，更有着重要的时代意义。 从身份证识别、银行卡识别、车牌识别到名片识别、文档识别等各种形式的识别OCR都能轻松搞定。现在你只要用手机对准这些进行拍照扫描，OCR技术瞬间就能将图片中的文字转变为可编辑的文本信息。 在这信息高速发展的时代，信息电子化已经成为了时代的必然趋势，而OCR技术作为文字电子化过程中最重要的环节，它改变了传统纸质介质资料输入的概念。
43.5K20发布于 2020-03-30 - 来自专栏R0A1NG 技术分享
python图片识别文字
https://digi.bib.uni-mannheim.de/tesseract/ 如果安装时勾选下载其他语言包，会提示下载失败，因为下载地址被墙，需要科学上网，或者安装的时候不勾选。 语言包下载：https://tesseract-ocr.github.io/tessdoc/Data-Files
56.1K40编辑于 2022-02-19 - 来自专栏用户8739990的专栏
图片文字识别怎么操作？图片文字识别怎么传出文件？
图片文字识别怎么传出文件？下面小编就为大家带来详细介绍一下。 image.png 图片文字识别怎么操作？ 大家在日常工作或者学习的时候往往都会用到图片文字识别，很多第一次使用的时候并不知道如何操作，首先要知道图片文字识别是比较复杂的，一般来说都是借助各种工具软件来实现的，大家可以在网上下载一些功能比较丰富的图片文字识别软件 图片文字识别怎么传出文件？ 图片文字识别是需要将图片上面的文字识别出来的，有些图片中的文字数量比较大所以会整合在一个文件上面，比如平时使用的文档或者Word等等，大家使用图片文字识别工具将图片中的文字识别出来，然后直接点击导出按钮就可以得到包含文字的文件了 关于图片文字识别的文章内容今天就介绍到这里，相信大家对于图片文字识别已经有所了解了，图片文字识别的使用还是很简单的，大家如果有需求的话可以选择一些好用的工具，下载安装就可以直接使用了。
47.4K30发布于 2021-07-23 - 来自专栏用户8715145的专栏
智能识别文字是如何实现的？智能识别文字识别率高吗？
现在社会中人们书写文字的机会几乎是很少的，不过平时依然需要接触到各种文字，还经常会用到智能识别文字这项技术，从图片或者其他地方寻找需要的文字，那么智能识别文字是如何实现的？智能识别文字识别率高吗？ 智能识别文字属于人工智能中非常重要的领域之一，和图片识别的地位差不多，不过相对图片识别技术来说智能识别文字技术要成熟的多，毕竟文字的形体以及特征是更加明显的，那么智能识别文字是如何实现的？ 文字识别的过程中会将文字的特征与字符库中的文字进行对比，从而选择最相似的文字呈现出来结果，并输出给用户。 智能识别文字识别率高吗？ 智能识别文字在平时生活中大家也都接触过，很多人会问智能识别文字识别率高吗？文字识别率和识别的软件以及应用的技术有很大关系，现在技术最为先进的智能识别文字软件识别率能高达99.8%以上。 以上就是关于智能识别文字的文章内容，相信大家对于智能识别文字有一定的了解了，智能识别文字技术在现在很多行业中应用都是比较广泛的，由此也能看出智能识别文字技术的前景是非常好的。
17.2K20发布于 2021-10-20 - 来自专栏Mac资源随时更新
Text Scanner 「OCR文字识别工具」帮你识别图片上的文字！
图片中的文字无法识别怎么版？Text Scanner Mac版是一款强大好用的OCR文字识别工具，基于AI领先的深度学习算法，利用光学字符识别技术，将图片上的文字内容，直接转换为可编辑文本！ Text Scanner 「OCR文字识别工具」图片功能一、场景功能1、文本识别，识别图像上的文字2、二维码识别3、手写识别4、身份证识别5、名片识别6、银行卡识别7、驾驶执照识别8、营业执照识别9 、 增值税发票10、表格识别二、准确识别自动准确识别图像，在各种场景中提供准确的图像识别技术，使您可以查看读写能力，提取所需内容，提高输入效率，并节省宝贵的时间。 三、【语言识别】支持中文、英语、法语、德语、日语、韩语、泰语、俄语、意大利语、葡萄牙语、西班牙语 等十多个语种专项识别，基本全球化。
36.5K20编辑于 2022-09-23 - 来自专栏Node开发
图片文字识别实现(1)
上次使用百度AI接口开发过人脸识别接口，今天腾出时间所以去看了看文字识别的技术接口文档。文字识别一样有SDK可以接入快速开发，但是我不准备使用SDK接入，本篇文章直接使用API文档接入文字识别API。 接下来我们看下第一个接口：通用文字识别。 通用文字识别接口 先贴下文档接口说明： ? 本接口需要用到的请求参数也顺便贴出来： ? 接口其实很简单，上传图片解析文字。 接下来看下一个接口：通用文字识别(含位置信息版)。 通用文字识别(含位置信息版) 看标题就可以知道本接口和上个接口的区别在于本接口可以返回文字在图片中的位置信息。首先贴下接口说明： ? 接下来我们来看下一个接口：手写文字识别。 手写文字识别 本接口可以识别图片中手写中文或数字。首先贴下接口说明： ? 我将使用以下图片进行手写图片识别： ? 话不多说，我们直接实现代码： ? ? 本篇文章就到这里结束了，下一篇接着讲讲剩下的文字识别接口，涉及各种类型的图片文字识别如银行卡照片识别，行驶证照片识别等。我们下一篇文章再见!
22.4K60发布于 2019-06-20 - 来自专栏悠扬前奏的博客
Tesseract-文字识别工具
背景 最近在准备一个爬虫项目，准备阶段了解到一个文字识别工具，用在验证码方面很方便。 现在主力开发机是mac，本文流程都是基于mac。 语言库 作为文字识别工具，需要安装识别的语言库。 下载需要的语言之后，放到/usr/local/Cellar/tesseract/3.05.01/share/tessdata路径下。 默认使用 # 默认使用eng（英文）文字库，imgName是图片地址，result是识别结果 tesseract imgName result 指定语言 //指定使用简体中文 tesseract -l /img/1.jpg") # 使用默认字符集（英文）识别图片 text0 = pytesseract.image_to_string(image0) # 使用默认字符集（中文）识别图片 891524629631_.pic.jpg 识别结果： 2018年清明节工作 日历女口下图二 可见，英文识别还可以，中文适应度不是很高。对于左右结构的字识别能力较差。
3.4K20发布于 2019-05-30 - 来自专栏数据处理与分析
图像文字识别-环境配置
絮絮叨叨 在图像识别的文章发出后，有些朋友对内容比较感兴趣。但对于很多从没接触过类似内容的朋友来说，搭建一个类似的环境还是有点难度的（也就是一点）。 下载文件 要想做文字的识别，我们需要下载这么几个文件： tesseract 下载地址：https://github.com/UB-Mannheim/tesseract/wiki 从地址中我们可以看到 测试 在安装好上面提到的文件之后，就可以进行文字信息识别了。我们来造点数据测试一下： 准备一张写着：“数据处理与分析这公众号真不错。”的图片来识别，发现识别效果还行。
1.9K10编辑于 2022-08-30 - 来自专栏算法之名
SVTR文字识别模型介绍
一般的文字识别会包含两个阶段，一个是CNN，一个是RNN，可以参考PaddleOCR使用指南 中的CRNN 文字识别。 随着swin transformer在计算机视觉领域大放光彩，swin的这种金字塔结构（像CNN里面的下采样一样）也被引入到文字识别。 Mixing Block 由于两个字符可能略有不同，文本识别严重依赖于字符组件级别的特征。然而，现有的研究大多采用特征序列来表示图像文本。 而vision transformer引入了二维特征表示，但如何在文本识别的背景下利用这种表示仍然值得研究。 更具体地说，对于embedded组件，作者认为文本识别需要两种特征。 利用组合特征，通过一个简单的并行线性预测来实现识别。具体地说，使用全连接层生成转录序列 理想情况下，相同字符被转录成重复的字符，非文本的组件被转录成一个空白符号。就是一个 CTC 解码模块。
3K20编辑于 2022-09-28
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