國內首份OCR白皮書(shū)正式發(fā)布，騰訊云引領(lǐng)OCR技術(shù)產(chǎn)業(yè)化落地

騰訊云開(kāi)發(fā)的天鑒OCR服務(wù)引擎自動(dòng)化評測平臺，不僅能夠為OCR技術(shù)供給方提供技術(shù)測試服務(wù)，也將發(fā)布OCR技術(shù)或產(chǎn)品的測試結果，為需求方提供客觀(guān)公正的選型依據。

9月28日，在工業(yè)和信息化部、北京市人民政府、國際電信聯(lián)盟ITU-T指導的2020AIIA人工智能開(kāi)發(fā)者大會(huì )上，主辦方正式發(fā)布國內首份智能文字識別（OCR）能力測評與應用白皮書(shū)。白皮書(shū)從OCR發(fā)展背景、技術(shù)沿革、產(chǎn)業(yè)發(fā)展現狀、技術(shù)標準化、發(fā)展趨勢等多個(gè)維度，對當前國內OCR產(chǎn)業(yè)進(jìn)行了一次詳細梳理，全面助推OCR技術(shù)產(chǎn)業(yè)化加速落地及可持續發(fā)展。

OCR是光學(xué)字符識別（Optical Character Recognition）的縮寫(xiě)，指利用機器將圖像中手寫(xiě)體或印刷體的文本轉換為計算機可以直接處理的格式。作為計算機視覺(jué)領(lǐng)域的重要分支，OCR典型應用是通過(guò)圖像文字識別實(shí)現信息錄入。同時(shí)，由于文字和符號包含豐富的語(yǔ)義信息，基于OCR提取文字信息繼而進(jìn)行分析，能夠幫助機器更好地理解圖像。

據了解，這份白皮書(shū)是由中國信息通信研究院、中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟、騰訊云AI計算機視覺(jué)中心、騰訊安全戰略研究部、騰訊優(yōu)圖實(shí)驗室聯(lián)合起草。

新基建帶來(lái)新機遇，OCR技術(shù)發(fā)展三大趨勢

借助人工智能技術(shù)，近年來(lái)OCR性能的不斷提升為產(chǎn)業(yè)數字化催生出的更復雜的OCR應用場(chǎng)景提供了堅實(shí)支撐。同時(shí)，覆蓋手機、電子產(chǎn)品以及云服務(wù)在內的更加多樣化的服務(wù)載體，進(jìn)一步加快了OCR的普及，持續向社會(huì )生產(chǎn)生活的更多領(lǐng)域滲透。

尤其是今年4月，發(fā)改委明確將人工智能基礎設施列入“新基建”范圍，作為人工智能應用中最接“地氣”，商業(yè)推廣較為成熟的領(lǐng)域，OCR產(chǎn)業(yè)在“新基建”背景下無(wú)疑將迎來(lái)新的發(fā)展機遇，相關(guān)技術(shù)也將迎來(lái)新一輪的變革。

報告指出，OCR技術(shù)未來(lái)發(fā)展的三大方向主要包括一體化的端到端OCR模型、兼具高性能高效率的OCR、從感知到認知的智能OCR。

詳細來(lái)說(shuō)，構建一體化的端到端網(wǎng)絡(luò )，同時(shí)對文字檢測和識別進(jìn)行訓練，將成為OCR技術(shù)發(fā)展的重要趨勢之一。端到端的網(wǎng)絡(luò )設計不僅能夠減少重復計算，又能夠提高特征的質(zhì)量，促進(jìn)任務(wù)性能的改善。同時(shí)，大量的OCR應用需要在資源受限的移動(dòng)端設備上運行，當前移動(dòng)端OCR算法大多以犧牲一定的算法精度來(lái)?yè)Q取運行速度，針對移動(dòng)設備設計兼顧性能和效率的輕量OCR模型將是未來(lái)發(fā)展的重要方向。

另外，從感知到認知的智能OCR來(lái)說(shuō)，OCR技術(shù)通常從計算機視覺(jué)領(lǐng)域出發(fā)，未來(lái)與自然語(yǔ)言處理技術(shù)、知識圖譜等更廣領(lǐng)域的交叉融合，通過(guò)語(yǔ)義及知識的深度挖掘提升OCR性能是重要趨勢。此外，在OCR中引入強化學(xué)習和元學(xué)習等新的學(xué)習范式，讓機器自主學(xué)習如何識別文字，也將成為研究熱點(diǎn)。

市場(chǎng)規模達133.81億美元，OCR成科技巨頭標配

目前，OCR技術(shù)已在金融、保險、醫療、交通、教育等諸多行業(yè)有了深入成熟的應用。未來(lái)隨著(zhù)傳統行業(yè)的數字化轉型，OCR應用范圍和場(chǎng)景將進(jìn)一步擴展，市場(chǎng)規模將進(jìn)一步增大。有權威機構預測，2025年全球OCR市場(chǎng)規模將達到133.81億美元。

早期受限于技術(shù)發(fā)展水平，OCR廠(chǎng)商通常從特定應用切入，例如車(chē)牌識別系統等，形成了一系列專(zhuān)用設備。近年來(lái)，越來(lái)越多的終端設備及應用均嵌入了OCR技術(shù)，并逐漸形成了從基礎設施、基礎能力到終端應用的完整產(chǎn)業(yè)鏈生態(tài)，也衍生出了卡證、票據等一系列細分OCR能力，通過(guò)組合的方式服務(wù)于各個(gè)行業(yè)。

OCR產(chǎn)業(yè)生態(tài)圖

不難看出，OCR技術(shù)逐漸“下沉”為一項基本的能力，為上層不同的業(yè)務(wù)應用提供底層技術(shù)支撐。以騰訊云為代表的科技巨頭和云計算廠(chǎng)商正在紛紛加速布局OCR，在滿(mǎn)足自身內部業(yè)務(wù)需求的同時(shí)，不斷對外開(kāi)放先進(jìn)的OCR能力，OCR已然成為科技巨頭能力標配。

多行業(yè)場(chǎng)景成熟落地，首次發(fā)布OCR評測標準

在具體的落地應用層面，目前卡證識別、票據識別等標準場(chǎng)景文字識別已經(jīng)相對成熟，手寫(xiě)文字識別在教育、物流等行業(yè)的應用也在不斷擴大。復雜動(dòng)態(tài)場(chǎng)景下的OCR技術(shù)和應用成為近兩年的熱門(mén)研究方向，比如在無(wú)人駕駛、機器人等場(chǎng)景利用OCR對視場(chǎng)中出現的文字進(jìn)行識別等。

在此次發(fā)布的白皮書(shū)中，騰訊云也公布了其多項OCR領(lǐng)域的典型落地案例。

豐巢快遞柜通過(guò)使用騰訊云聯(lián)合騰訊優(yōu)圖實(shí)驗室提供的身份證OCR技術(shù)，身份證字段識別準確率高達99%，大幅提高了用戶(hù)寄件、取件的效率；寧波銀行通過(guò)采用騰訊云聯(lián)合騰訊優(yōu)圖實(shí)驗室打造的智能票據OCR解決方案，將識別的字段準確率提升至90%以上，更好地滿(mǎn)足了銀行業(yè)務(wù)場(chǎng)景的需要。搜狗廣告圖片文本審核借助OCR產(chǎn)品服務(wù)幫助客戶(hù)自動(dòng)識別海量的圖片文字內容，從而高效地進(jìn)行廣告圖片違法內容識別，降低客戶(hù)業(yè)務(wù)的違規風(fēng)險。

值得一提的是，為全面降低OCR相關(guān)領(lǐng)域的應用門(mén)檻，避免出現魚(yú)龍混雜局面，白皮書(shū)也首次公布OCR評測標準和規范。

今年4月，中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟制定了《OCR服務(wù)智能化分級技術(shù)要求和評估方法》，規定了OCR服務(wù)在功能、性能、安全等方面的技術(shù)要求以及評估方法。7月，OCR服務(wù)要求及評估方法在國際電信聯(lián)盟ITU-T SG16組成功立項，標志著(zhù)深度學(xué)習背景下的OCR評測方法已經(jīng)逐漸被國際標準組織所接受。

在此之中，騰訊深度參與推動(dòng)OCR領(lǐng)域技術(shù)革新和標準制定，幫助企業(yè)客觀(guān)、全面地評價(jià)不同OCR服務(wù)能力。目前，由中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟指導，騰訊云開(kāi)發(fā)的天鑒OCR服務(wù)引擎自動(dòng)化評測平臺，不僅能夠為OCR技術(shù)供給方提供技術(shù)測試服務(wù)，也將發(fā)布OCR技術(shù)或產(chǎn)品的測試結果，為需求方提供客觀(guān)公正的選型依據。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！