OCR核心技术主要包括:单行识别引擎和文本行检测技术。有了这两类核心技术即可以实现大部份OCR应用场景项目定制开发。
我们公司的单行识别引擎采用了CNN+LSTM+CTC架构的深度学习技术实现,通过基于残差的CNN+LSTM进行特征提取,再采用CTC实现识别解码工作,这是目前主流的OCR识别架构。
文本行检测技术,我们分传统方法和深度学习方法两种技术方案。传统的文本行检测技术,优势是速度快,对于公文类文档效果较好。缺点是对复杂背景图像如行驶证、银行卡、出租车票等这类图像检测效果较差。
深度学习的文本行检测技术,速度慢,但对复杂背景的检测效果非常好,因为可以通过对样本进行训练,所以能达到非常好的精度。对于一些性能略低的国产龙芯、飞腾等国产CPU,计算力略差,如果行分析和识别均采用深度学习技术,速度会较慢。这种场景,我们则会采用传统文本行分析加深度学习单行识别技术方案进行识别。对于Intel的高端CPU,则检测和识别均可采用深度学习技术。
除文本行