OCR — optyczne rozpoznawanie znaków

Edycje OCR (czytaj)

OCR lub optyczne rozpoznawanie znaków jest również określane jako rozpoznawanie tekstu lub wyodrębnianie tekstu. Techniki OCR oparte na uczeniu maszynowym umożliwiają wyodrębnianie tekstu drukowanego lub odręcznego z obrazów, takich jak plakaty, znaki uliczne i etykiety produktów, a także z dokumentów, takich jak artykuły, raporty, formularze i faktury. Tekst jest zwykle wyodrębniany jako wyrazy, wiersze tekstu i akapity lub bloki tekstowe, co umożliwia dostęp do wersji cyfrowej zeskanowanego tekstu. Ta funkcja eliminuje lub znacznie zmniejsza potrzebę ręcznego wprowadzania danych.

Aparat OCR

Aparat OCR do odczytu firmy Microsoft używa wielu zaawansowanych modeli uczenia maszynowego, które obsługują języki globalne. Wyodrębnia tekst drukowany i odręczny, w tym języki mieszane i style pisania. W celu wdrożenia elastycznego można użyć funkcji Odczytu jako usługi w chmurze lub jako kontenera lokalnego. Jest on również dostępny jako synchroniczny interfejs API w scenariuszach dla pojedynczych obrazów niezwiązanych z dokumentami, z ulepszeniami wydajności, które upraszczają implementację środowisk użytkownika wspomaganych funkcją OCR.

W jaki sposób funkcja OCR jest powiązana z inteligentnym przetwarzaniem dokumentów (IDP)?

Inteligentne przetwarzanie dokumentów (IDP) używa OCR jako swojej fundamentalnej technologii do wyodrębniania struktury, relacji, kluczowych wartości, jednostek i innych szczegółowych informacji skoncentrowanych na dokumentach za pomocą zaawansowanej usługi sztucznej inteligencji opartej na uczeniu maszynowym, takiej jak analiza dokumentów. Analiza dokumentów zawiera zoptymalizowaną pod kątem dokumentów wersję Read jako swój aparat OCR, delegując do innych modeli w celu uzyskania głębszych wniosków. Jeśli wyodrębniasz tekst z zeskanowanych i cyfrowych dokumentów, użyj funkcji Document Intelligence Read OCR.

Jak używać OCR

Wypróbuj usługę OCR przy użyciu programu Vision Studio. Następnie postępuj zgodnie z jednym z linków do wersji Read, która najlepiej spełnia Twoje wymagania.

Obsługiwane języki OCR

Obie wersje Read dostępne obecnie w usłudze Azure Vision obsługują wiele języków dla tekstu drukowanego i odręcznego. Funkcja OCR dla tekstu drukowanego obsługuje języki angielski, francuski, niemiecki, włoski, portugalski, hiszpański, chiński, japoński, koreański, rosyjski, arabski, hindi i inne języki międzynarodowe, które używają skryptów łacińskich, cyrylica, arabskich i devanagari. Funkcja OCR dla tekstu odręcznego obsługuje języki angielski, chiński uproszczony, francuski, niemiecki, włoski, japoński, koreański, portugalski i hiszpański.

Zapoznaj się z pełną listą języków obsługiwanych przez funkcję OCR.

Typowe funkcje OCR

Model odczytu OCR jest dostępny w usługach Azure Vision i Document Intelligence z ogólnymi możliwościami bazowymi podczas optymalizowania pod kątem odpowiednich scenariuszy. Poniższa lista zawiera podsumowanie typowych funkcji:

• Wyodrębnianie tekstu drukowanego i odręcznego w obsługiwanych językach
• Strony, wiersze tekstu i wyrazy z lokalizacją oraz wynikami ufności
• Obsługa języków mieszanych, trybu mieszanego (drukowanie i odręczne)
• Dostępny jako kontener Docker Distroless do wdrożeń lokalnych

Użyj interfejsów API chmury OCR lub wdrażaj lokalnie

Większość klientów preferuje interfejsy API w chmurze, ponieważ są łatwe do zintegrowania i oferują szybką produktywność. Platforma Azure i usługa Azure Vision obsługują potrzeby dotyczące skalowania, wydajności, zabezpieczeń danych i zgodności, jednocześnie koncentrując się na zaspokajaniu potrzeb klientów.

W przypadku wdrożenia lokalnego kontener Read Docker umożliwia wdrażanie ogólnie dostępnych funkcji OCR usługi Azure Vision w wersji 3.2 we własnym środowisku lokalnym. Kontenery doskonale nadają się do określonych wymagań w zakresie zabezpieczeń i zarządzania danymi.

Wymagania dotyczące danych wejściowych

API Read przyjmuje obrazy i dokumenty jako dane wejściowe. Obrazy i dokumenty muszą spełniać następujące wymagania:

• Obsługiwane formaty plików to JPEG, PNG, BMP, PDF i TIFF.
• W przypadku plików PDF i TIFF są przetwarzane maksymalnie 2000 stron (tylko dwie pierwsze strony dla warstwy Bezpłatna).
• Rozmiar pliku obrazów musi być mniejszy niż 500 MB (4 MB dla warstwy Bezpłatna) o wymiarach co najmniej 50 x 50 pikseli i maksymalnie 10 000 x 10 000 pikseli. Pliki PDF nie mają limitu rozmiaru.
• Minimalna wysokość tekstu do wyodrębnienia to 12 pikseli dla obrazu 1024 x 768, co odpowiada czcionce o rozmiarze około 8 punktów przy 150 DPI.

Prywatność i zabezpieczenia danych OCR

Podobnie jak we wszystkich narzędziach Foundry, deweloperzy korzystający z usługi Azure Vision powinni pamiętać o zasadach firmy Microsoft dotyczących danych klientów. Aby dowiedzieć się więcej, zobacz stronę Foundry Tools w Centrum zaufania firmy Microsoft.

Następne kroki

• W przypadku OCR dla obrazów ogólnych (niedokumentowych) wypróbuj Szybki start interfejsu REST API analizy obrazów Azure Vision 4.0 wersji zapoznawczej.
• W przypadku OCR z dokumentami PDF, Office i HTML, a także obrazami dokumentów, zacznij od odczytu analizy dokumentów.
• Aby zapoznać się z wcześniejszą wersją GA, zobacz samouczki szybkiego startu dotyczące zestawu SDK Azure Vision 3.2 GA lub interfejsu API REST.