小白综述：深度学习 OCR 图片文字识别

1. OCR 算法流程

OCR (Optical Character Recognition,光学字符识别) 是指提取图像中的文字信息。

1.1 传统 OCR 方法

传统 OCR 方法一般包含预处理、版面处理、字符切分、字符识别、后处理等五个步骤：

传统 ORC 方法的缺点有：

• 预处理和版面分析都是基于传统图像处理方法以及人工定义的规则，通常是基于固定场景开发的，无法迁移到其它场景中，应用范围有限。
• 字符识别方法基于人工特征，鲁棒性不足，在字体变化或者背景干扰情况下，分类器的识别效果会大打折扣。
• 流程繁杂，各个模块互相独立，导致难以整体调优，同时各个模块串联也会导致误差传递，造成整体识别精度不高。

总体来讲，受传统算法的局限性，传统 OCR 仅在比较规整的印刷文档上表现比较好，但在复杂场景（图像模糊、低分辨率、干扰信息）中，文字检测和识别性能都不够理想。

1.2 深度学习 OCR 方法

深度学习时代的 OCR 算法更为简洁，主要可以分为两种思路：

• two-stage方法：文字检测+文字识别，分别由检测网络和识别网络来完成。
• 端到端方法：直接输出识别后的文本，由一个大网络来完成。

<