如何提高OCR质量？

[Aklima@444]

想象一下，您是地球上最聪明的人之一。来自世界各地的人们来问你他们的问题，你几乎可以回答所有问题。有一天，有人拿着一本书来找你。他问你：“你能读给我听吗？”你打开书，开始嘀咕……“骑士站在光滑的斜坡上，就在葡萄园的边缘。”

对于你每天使用的电脑和手机来说，这是一个现实。通过访问互联网，他们可以帮助您解决大部分问题。然而，计算机读取图像上的文本却出奇地困难。

人眼在年轻时就可以识别字符，称为光学字符识别 (OCR)。在某些情况下，计算机会获得合理的 OCR 结果，例如，如果在扫描之前仔细准备文档。然而，在真实的商业环境中，情况并非总是如此。

这就是为什么我们决定做得更聪明。我们认为一般规则应该是，如果文档肉眼可读，则应由我们的 OCR 解决方案进行处理。

您只需查看企业级处理的内容量即可了解正确的 OCR 解决方案具有许多优势。我们看到许多文档是以低分辨率扫描的。有时原始文件无法追踪，通常重新扫描需要付出很大的努力。

不错的开源 OCR 解决方案已经可用。然而，他们制作的文本质量对于企业标准来说仍然太低。这就是我们引入后处理步骤的原因。

OCR 引擎执行初始 OCR，我们的自定义 OCR 后算法会从您的内容中学习并进行适当的更正。我们的解决方案可以经过训练，在针对任何业务的特定词语上更加有效。

典型的 OCR 错误是混淆相似的字母。例如，读取“j”而不是“i”。然而，只要具备一定的英语知识，就很容易理解“fjsh”是不正确的，应该读作“fish”。在我们的后 OCR 阶段，我们充分利用了这种可能性。

由于我们知道 OCR 引擎可能会出现什么类型的错误，因此我们可以优化我们的算法以专注于这些错误。 “Onior”、“amor”、“aural”和“pillar”这些词对我们来说可能看起来很不同，但它们与 OCR 解决方案非常相似。所有四个字符都以一个圆形字符开头，然后是三个小节，然后是另一个圆形字符，最后是另一个小节。

考虑到我们可以收集的所有统计信息，我们使用 中国 Telegram 负责人 字符和单词相似性来纠正在 OCR 过程中似乎处理错误的单词。我们也会考虑邻近的词语，毕竟“谢谢所有的鱼”比“非常感谢所有的鱼”更合理。

ProcessMaker IDP 负责智能内容管理。我们提供创新的解决方案，Post-OCR 是更广泛的机器学习解决方案链的一部分。通过我们自己构建这个解决方案，我们确保我们拥有完美适应客户需求的高水平质量。此外，这还可以轻松地与 ProcessMaker IDP 的其他智能组件集成。而且，其价格比当前可用的一些解决方案更低！

我们现在将展示一些后 OCR 的实际应用。假设我们正在处理以相对较低的分辨率扫描的文档。它仍然是人类可读的，OCR 引擎可以对其进行 OCR，但仍然存在阻塞性错误。

当我们将算法应用于历史报纸文章时，我们会看到一些典型的 OCR 错误，如图所示。这些错误可以通过 Post-OCR 轻松纠正。丢失字符或 OCR 引擎误读字符都没有问题。由于在训练数据中观察到“Reginald”，Post-OCR 甚至能够更正这个名称。随着该领域统计知识的增加，对类似文档的额外培训将使 Post-OCR 变得更加强大。

除了基本的 Post-OCR 包之外，还可以轻松添加其他内容。例如，对每种字母语言的语言支持。引导程序，以便解决方案在部署时就已经进行了调整，或者字典更适合您的需求。由于我们的 OCR 后解决方案完全由内部开发，因此我们可以完全控制它。