基于百度AI的云猫OCR开发实录之评测篇

• 概述

   笔者是在2017年接触百度云服务平台的，在这里我也称之为百度AI 。“AI”这个词真的很奇妙，它来源于英语词组“Artificial Intelligence”，取首字母就成了AI ，而与此同时，中文AI的发音就是“爱”，这是巧合吗？还是说大自然的安排？

   现在回到话题，本文是评测篇，因为笔者根据百度AI提供的函数接口，自行编程实现了一款OCR软件——云猫OCR。云猫OCR大部分的代码开发是在2017年底前完成的，之所以雪藏到现在，是因为笔者的一些私人事务（小孩出生等）——我是利用业余时间进行软件开发的，所以中断了大概一年多的时间，现在才有空继续这个项目。因为本文主要是评测，所以我不会说太多关于编程代码的事，适当的时候我会考虑写个代码篇，请各位看官期待一下。

• 评测的具体内容

• 准备工作

   在使用云猫OCR之前，我们必须先去百度云官网进行注册账号，有了账号以后，我们还要去具体的云服务项目下申请API Key和Secret Key ，一般这两个Key是用户各人保管的，不能随便透露给外人。因为百度云现在已经正式收费，而用户每人每天的免费调用次数都是有限的，提高限额需要支付费用，用户使用百度云AI接口的依据主要就是这两个Key，所以我们要保管好。下面是简单的准备工作图片说明：

• 正式使用云猫OCR

用户有了百度云API Key和Secret Key之后，就可以正式使用云猫OCR了。具体使用步骤如下：

• 评测的具体内容

   首先介绍一下云猫OCR调用的百度AI的主要接口，首先是通用文字识别（带位置版），其次是通用文字识别（带位置高精度版），最后是表格文字识别，下面依次介绍这三种识别。

1. 通用文字识别（带位置版）和通用文字识别（带位置高精度版）的混合使用

如上图所示，用户可以选择多种语言（包括德语、法语、西班牙语等等），选择好后点击文字识别即可。因为百度云提供的高精度文字识别接口只支持中英文，而通用的文字识别支持除中英文以外的多种语言，所以笔者在编写软件中，这两种接口是混合使用的，具体怎么混合使用请看代码篇。一般情况下，高精度的文字识别效果比通用的好，但也比较耗时。

本软件支持识别的文字结果在本机保存为文件，具体如下图操作：

保存的文件是rtf格式，可以用WPS或者Office Word打开。下面再给出一次性识别20张图片的统计结果图示：

从上图可以看出，百度云的文字识别结果速度还是不错的，识别速度是平均大概2-3秒一张图。

1. 表格文字识别

表格文字识别的主要步骤如下图所示：

从上图可以看出，表格文字识别的速度比普通文字识别要慢一些，大概需要5-6秒。

评测总结：百度OCR对于印刷体的识别还是不错的，比起以前的OCR软件来说，百度OCR可以说是革命性的进步。当然，它也有自己的短板。比如手写体的识别，笔者还没有评测，但百度云通用文字高精度接口对手写体的识别是较差的。再比如QPS并发，我的理解是可以提高OCR文字识别的速度，对于大量的图片文字识别来说尤其是重要，可以节省大量时间。但遗憾的是，百度云对并发好像做的不太好，程序不一定支持QPS并发，这个缺点我们也是希望百度后面能够有所改正。

附云猫OCR下载地址：

https://ai.baidu.com/forum/topic/show/955975

2019年9月11日