项目介绍:识别任意图片中的文字信息,输入图片,输出文本信息,支持各种字体、各种方向、各种形状的文字识别
项目难点:对于街景文字、证件、票据、小分辨率图片、竖排文字等可以准确识别图片中的文字
对任意图片中的文字进行定位与识别,包括街景、广告牌、海报、文档等场景。应用于兜底内容安全、业务内 容审核、图片内容结构化等方面。该项目进行过多次重构和优化,其中两次大的重构如下: 2018 年采用 PixelLink+CRNN 两阶段的方案,解决 CTPN 不能检测倾斜文本行的问题,期间尝试基于 Attention 的方法进行识别(效果比 CRNN 稍差),线上问题数据召回率提升 75%; 2020 年采用 DBNET+CRNN+SAR 两阶段的方案,解决弯曲/不规则形状文本行的检测问题,弯曲/不规则形状文本行 采用 SAR 方法识别,线上问题数据召回率提升 40%;