OCR技術(shù)發(fā)展三大趨勢

掃一掃就能識別文字，這是近年來出現(xiàn)在很多應(yīng)用中的新功能。比如，輸入銀行卡號時，直接用手機攝像頭掃一掃，軟件就能提取銀行卡信息。這里用到的技術(shù)正是光學(xué)字符識別技術(shù)（Optical Character Recognition）。 OCR 是光學(xué)字符識別（Optical Character Recognition）的縮寫，指利用機器將圖像中手寫體或印刷體的文本轉(zhuǎn)換為計算機可以直接處理的格式。作為計算機視覺領(lǐng)域的重要分支，OCR 典型應(yīng)用是通過圖像文字識別實現(xiàn)信息錄入。同時，由于文字和符號包含豐富的語義信息，基于 OCR 提取文字信息繼而進行分析，能夠幫助機器更好地理解圖像。

9 月 28 日，在工業(yè)和信息化部、北京市人民政府、國際電信聯(lián)盟 ITU-T 指導(dǎo)的 2020 AIIA 人工智能開發(fā)者大會上，主辦方正式發(fā)布國內(nèi)首份智能文字識別（OCR）能力測評與應(yīng)用白皮書。 白皮書從 OCR 發(fā)展背景、技術(shù)沿革、產(chǎn)業(yè)發(fā)展現(xiàn)狀、技術(shù)標準化、發(fā)展趨勢等多個維度，對當前國內(nèi) OCR 產(chǎn)業(yè)進行了一次詳細梳理，全面助推 OCR 技術(shù)產(chǎn)業(yè)化加速落地及可持續(xù)發(fā)展。

據(jù)了解，白皮書由中國信息通信研究院、中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟、騰訊公司相關(guān)部門聯(lián)合起草。
新基建帶來新機遇，OCR技術(shù)發(fā)展三大趨勢

借助人工智能技術(shù)，近年來 OCR 性能的不斷提升為產(chǎn)業(yè)數(shù)字化催生出的更復(fù)雜的 OCR 應(yīng)用場景提供了堅實支撐。同時，覆蓋手機、電子產(chǎn)品以及云服務(wù)在內(nèi)的更加多樣化的服務(wù)載體，進一步加快了 OCR 的普及，持續(xù)向社會生產(chǎn)生活的更多領(lǐng)域滲透。 尤其是 2020 年 4 月，發(fā)改委明確將人工智能基礎(chǔ)設(shè)施列入 “新基建” 范圍，作為人工智能應(yīng)用中最接 “地氣”，商業(yè)推廣較為成熟的領(lǐng)域，OCR 產(chǎn)業(yè)在“新基建” 背景下無疑將迎來新的發(fā)展機遇，相關(guān)技術(shù)也將迎來新一輪的變革。 報告指出，OCR 技術(shù)未來發(fā)展的三大方向主要包括一體化的端到端 OCR 模型、兼具高性能高效率的 OCR、從感知到認知的智能 OCR。 詳細來說，構(gòu)建一體化的端到端網(wǎng)絡(luò)，同時對文字檢測和識別進行訓(xùn)練，將成為 OCR 技術(shù)發(fā)展的重要趨勢之一。端到端的網(wǎng)絡(luò)設(shè)計不僅能夠減少重復(fù)計算，又能夠提高特征的質(zhì)量，促進任務(wù)性能的改善。 同時，大量的 OCR 應(yīng)用需要在資源受限的移動端設(shè)備上運行，當前移動端 OCR 算法大多以犧牲一定的算法精度來換取運行速度，針對移動設(shè)備設(shè)計兼顧性能和效率的輕量 OCR 模型將是未來發(fā)展的重要方向。 另外，從感知到認知的智能 OCR 來說，OCR 技術(shù)通常從計算機視覺領(lǐng)域出發(fā)，未來與自然語言處理技術(shù)、知識圖譜等更廣領(lǐng)域的交叉融合，通過語義及知識的深度挖掘提升 OCR 性能是重要趨勢。

此外，在 OCR 中引入強化學(xué)習(xí)和元學(xué)習(xí)等新的學(xué)習(xí)范式，讓機器自主學(xué)習(xí)如何識別文字，也將成為研究熱點。 市場規(guī)模達 133.81 億美元，OCR 成科技巨頭標配 目前，OCR 技術(shù)已在金融、保險、醫(yī)療、交通、教育等諸多行業(yè)有了深入成熟的應(yīng)用。未來隨著傳統(tǒng)行業(yè)的數(shù)字化轉(zhuǎn)型，OCR 應(yīng)用范圍和場景將進一步擴展，市場規(guī)模將進一步增大。有權(quán)威機構(gòu)預(yù)測，2025 年全球 OCR 市場規(guī)模將達到 133.81 億美元。 早期受限于技術(shù)發(fā)展水平，OCR 廠商通常從特定應(yīng)用切入，例如車牌識別系統(tǒng)等，形成了一系列專用設(shè)備。近年來，越來越多的終端設(shè)備及應(yīng)用均嵌入了 OCR 技術(shù)，并逐漸形成了從基礎(chǔ)設(shè)施、基礎(chǔ)能力到終端應(yīng)用的完整產(chǎn)業(yè)鏈生態(tài)，也衍生出了卡證、票據(jù)等一系列細分 OCR 能力，通過組合的方式服務(wù)于各個行業(yè)。

圖 | OCR 產(chǎn)業(yè)生態(tài)圖 不難看出，OCR 技術(shù)逐漸 “下沉” 為一項基本的能力，為上層不同的業(yè)務(wù)應(yīng)用提供底層技術(shù)支撐?？萍季揞^和云計算廠商正在紛紛加速布局 OCR，在滿足自身內(nèi)部業(yè)務(wù)需求的同時，不斷對外開放先進的 OCR 能力，OCR 已然成為科技巨頭能力標配。 多行業(yè)場景成熟落地，首次發(fā)布OCR評測標準 在具體的落地應(yīng)用層面，目前卡證識別、票據(jù)識別等標準場景文字識別已經(jīng)相對成熟，手寫文字識別在教育、物流等行業(yè)的應(yīng)用也在不斷擴大。復(fù)雜動態(tài)場景下的 OCR 技術(shù)和應(yīng)用成為近兩年的熱門研究方向，比如在無人駕駛、機器人等場景利用 OCR 對視場中出現(xiàn)的文字進行識別等。在此次發(fā)布的白皮書中，騰訊云也公布了其多項OCR領(lǐng)域的典型落地案例。

值得一提的是，為全面降低 OCR 相關(guān)領(lǐng)域的應(yīng)用門檻，避免出現(xiàn)魚龍混雜局面，白皮書也首次公布 OCR 評測標準和規(guī)范。 2020 年 4 月，中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟制定了《OCR 服務(wù)智能化分級技術(shù)要求和評估方法》，規(guī)定了 OCR 服務(wù)在功能、性能、安全等方面的技術(shù)要求以及評估方法。7 月，OCR 服務(wù)要求及評估方法在國際電信聯(lián)盟 ITU-T SG16 組成功立項，標志著深度學(xué)習(xí)背景下的 OCR 評測方法已經(jīng)逐漸被國際標準組織所接受。 目前，由中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟指導(dǎo)，騰訊云開發(fā)的天鑒 OCR 服務(wù)引擎自動化評測平臺，不僅能夠為 OCR 技術(shù)供給方提供技術(shù)測試服務(wù)，也將發(fā)布 OCR 技術(shù)或產(chǎn)品的測試結(jié)果，為需求方提供客觀公正的選型依據(jù)。
責任編輯人：CC