Tekstgjenkjenning

Tekstgjenkjenning, ofte referert til som optisk tekstgjenkjenning (OCR), er prosessen med å konvertere bilder som inneholder tekst til maskinlesbar tekst. Den omfatter både trykt og håndskrevet tekst og brukes i digitalisering, arkivering, søkbarhet og automatisering av dokumenthåndtering. Tidlige OCR-systemer, utviklet på 1950- og 1960-tallet, var regelbaserte og begrenset til få fonter; moderne løsninger bruker maskinlæring og dype nevrale nettverk og støtter et bredt spekter av språk og skrifttyper.

En typisk arbeidsflyt består av: bildeinnhenting, forbehandling (for eksempel støyreduksjon, skråjustering, konvertering til gråtoner), segmentering av tekstblokker, linjer og tegn, gjenkjenning av tegn ved hjelp av klassifikatorer og sekvensmodeller, og til slutt post-prosessering med språkmodeller, ordbøker og formatering for å forbedre nøyaktigheten og gjenopprette riktig stavemåte og struktur (som avsnitt og tabeller). Moderne OCR bruker ofte sentrale modeller som CNN-LSTM-CTC eller transformer-baserte arkitekturer.

Typer og applikasjoner: trykt tekstgjenkjenning (OCR) for trykte dokumenter, og håndskriftgjenkjenning (HWR) for manuskripter og skriftlige skjemaer. Vanlige anvendelser inkluderer digitalisering av bøker og arkiver, behandling av fakturaer og kvitteringer, generering av søkbar PDF, samt automatisk bilskiltgjenkjenning i overvåknings- og trafikkapplikasjoner. Evaluering målinger inkluderer karakterfeilrate (CER) og ordfeilrate (WER).

Utfordringer inkluderer varierende skrifttyper og språk, komplekse layoutelementer som kolonner og tabeller, lav bildekvalitet og håndskriftens uregelmessighet. Fremtidige trender omfatter bedre multilingual støtte, on-device gjenkjenning for personvern, forbedrede rettskrivingskontroller ved hjelp av språkteknologi, samt end-to-end systemer som kan håndtere hele dokumentstrømmen fra bilde til strukturert data.