摘要:本文主要介绍文字检测和文字识别作为计算机视觉一部分的重要性,基本知识,面临的挑战,以及部分最新的成果。
人类在认识了解世界的信息中91%来自视觉,同样计算机视觉是机器认知世界的基础,也是人工智能研究的热点,文字识别也是人工智能的重要研究方向。在我们生活当中,文字是无处不在的,我们的衣食住行都是离不开它的。
文字的价值
首先,文字并非自然产生,而是人类特有的造物,是高层语义信息的载体。文字从整个文化的角度来讲也是非常重要的,人类的文明离不开文字,文字是我们学习知识、传播信息、记录思想很重要的载体,没有文字人类的文明无从谈起。比如说王羲之的“兰亭序”,不只是文化作品,也是人类历史上璀璨的明珠之一;再比如诗经,通过诗经我们既可以学习它朗朗上口的文学特性,也可以通过它了解两千年前历史的故事和先人的思想。
在上图的右侧的两幅图里面,可以看到是有建筑、有场景、有树木等。如果仅仅看到这两幅图,相信大家并不知道图片表达的意思。但是结合了文字之后,就可以一目了然的看到要讲的内容。所以说文字是计算机视觉的重要线索,与其他视觉信息有着重要的互补作用,可以和对话、NLP等,合成多模态语义分析。
光学字符识别,英文为OCR,是指把图片、PDF中的文字转换成可编辑的文字,也就是通常所说的文字识别。如果只提光学字符识别,估计很多人不知道是什么意思,所以大家通常把光学字符识别说成为文字识别。实际光学字符识别是一般包括检测和识别等多个过程。文字检测,是指判断是否存在文字实例,并给出具体位置的过