首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >关于图文识别功能相关技术的大致实现

关于图文识别功能相关技术的大致实现

作者头像
上帝
发布2018-05-18 10:31:15
1.2K0
发布2018-05-18 10:31:15
举报
文章被收录于专栏:影子影子

关于图文识别功能相关技术的实现

转载请注明源地址:http://www.cnblogs.com/funnyzpc/p/8908906.html

  上一章,写的是SSL证书配置,中间折腾了好一会,在此感谢SSL证书发行商的协助;这次我就讲讲ocr识别的问题,先说说需求来源吧。。。

  之前因为风控每次需要手动P协议文件和身份证(脱敏),还要识别证件及图片文件的内容,觉得狠狠狠麻烦,遂就找到了技术总监,技术总监一拍脑袋,额,小邹啊。。。

  呃,一开始并没抱太大希望,不过还是花了些心思做了些需求实现的调研,怎么办 google、duckduckgo、github一路找下来就有了几个工程了,嘿嘿~,可惜还没高兴到,没想到的是这些工程一个比一个坑,不是依赖windows系统组件就是代码bug不断,作者们,能用点儿心么

  日夜操劳,加班啊,总算是将几个工程全都修得能跑起来了,大费周折。。。难得啊

  欸,可惜效果均不佳;现开始,我总结下一些主流的图文识别技术,只是浅聊哦。。。

首先,这些工程大致分两类:

  一类是纯算法,不附带机器学习功能的,且需要依赖于window系统组件的工程,比如tesseract和tess4j,识别效果可以说是巨差(可能我的技术很菜的原因),但有一点儿值得赞许,就是识别结果的格式还算不错,这类图文识别的特点大致有如下几点:

 A>工程代码量较大

  B>依赖window组件,需要在window系统下才能运行

  C>识别效果无法通过学习逐渐优化

  D>识别出来的文字时常乱码,中文识别乱码错别字较多

  E>识别结果通常使用格式化模子来格式化结果,遂,识别结果的格式还算过得去

  一类是基于机器学习(比如Tensorflow)的工程,这些工程参差不齐,存在插件版本问题,尤其是python插件,实在在太太太难装了,在一就是工程大多较为简陋,由于机器学习具有不断改善的趋势,这是基于机器学习的图文识别的最大优势,总结起来,基于机器学习的图文识别的特点儿大致有如下几点:

A>工程比较简单,代码量不是很多

  B>依赖的语言插件,如python实在难以安装

  C>有很多优化的方向,比如使用显卡,优化算法(卷积神经网络)来提高识别速度及模型准确度

  D>十分耗费计算机字段,一般识别一页A4大小的图片中的内容,(我使用Macbook Pro) 最快也用了二十多秒

  E>识别的结果比较乱,但对于中文,尤其是图片较好的中文的文字识别准确率能达到百分之七十网上,但是识别格式和文字准确度不如上者

  F>由于是基于机器学习,遂需要大量的数据喂养以提高识别的准确率,喂养的数据十分可观

  额,总的来说,后者的优势较大,也是趋势,比如腾讯QQ的图片识别还有百度大脑AI这些基本都是基于机器学习,个人觉得,如果投入一个团队去专门研究开发一个图文识别的产品,也是比较容易实现的,何况这个方向向前走就是人工智能,尽管现在看起来有些智障...。

  哦,大致总结完了,我就展示下基于tess4j和chinese-ocr这两项目的实现效果,我的输入是身份证:

(注意:源图片是从github上拉下来的,个人做了些简陋的脱敏处理!)

  下面是基于tess4j实现的结果:

tess4j的实现只能基于windows组件实现,故项目只能在windows下运行,另外tesseract也是windows组件的实现。

  一下是基于chinese-ocr的项目的实现的结果:

chinese-orc是基于python语言+tensorflow的实现,结果一目了然,需要说的是,一下几个也是基于=>

IITG-Captcha-Solver-OpenCV-TensorFlow:基于Tensorflow实现的验证码识别,已调试通过,验证码模糊度较高的识别不够准确 text-detection-ctpn       :基于Tensorflow实现的图片识别,未调试通过 tensorflow-ocr         :基于tensorflow实现的图片识别,未调试通过

由于github共享的工程参差不齐,存在插件版本、语言以及系统版本的差异,遂这些项目clone下来后需要修改些bug才可,这里简述下一些大致的问题的解决思路:

  A>对于插件版本下载不了的(我用的是pycharm),建议使用相邻版本的插件,但有些插件需要爬梯出去才可下

  B>对于部分(例如 test.py)文件跑不起来的,请尝试着将这个文件放置在工程主目录下,但同时请注意 import引用的文件(可能需要手动修改)

  C>对于项目出现的主流问题请移步Issues以查找

        嗯,此篇原本在前一天发表的,由于公司周年庆耽搁了会儿,最后,我把上面几个工程的打包文件共享下(包含我修改过bug的),有需要的请自行下载,如有疑问请电邮或留言

工程下载链接: https://pan.baidu.com/s/1B2Eyak8zwdAldA0NBfmlvw

工程下载密码: r2av

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2018-05-08 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
AI 应用产品
文字识别(Optical Character Recognition,OCR)基于腾讯优图实验室的深度学习技术,将图片上的文字内容,智能识别成为可编辑的文本。OCR 支持身份证、名片等卡证类和票据类的印刷体识别,也支持运单等手写体识别,支持提供定制化服务,可以有效地代替人工录入信息。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档