- 综合排序
- 最热优先
- 最新优先
- 来自专栏探索RPA
RPA之眼：AI-OCR，Fax-OCR概述
文丨马磊 OCR是一种与RPA机器人协作的一项重要技术，相当于机器人的眼睛。 OCR是英文“Optical Character Recognition/Reader”的简称，光学字符识别。 而RPA + OCR的情况下，只需实现扫描好纸质文件，OCR会自动读取扫描文件，将图片信息读取并写入Excel等文档中，然后RPA机器人运行，进行业务处理。 近年来， OCR引起了广泛关注，但目前的OCR软件存在精度不高和无法应对非固定文件模板等课题。未来通过在OCR中引入AI的深度机器学习等技术以后，相信一定会解决这个课题。 Fax-OCR是什么？ OCR的注意点 OCR技术确实可以自动实现数据的文本化，也是一项非常有效的效率改善的技术手段，但是现在的阶段OCR并非无所不能。 1、无法对应多份文件。 虽然AI-OCR可以通过机器学习技术去识别手写文字，但是很多不清楚，或者写法不鲜明的文字还是很难做到完美识别。因此，数据抽出完毕后还是要通过人去确认数据的正确性。
5.8K20发布于 2019-11-07 - 来自专栏大大的小数据
腾讯ai人工智能OCR文字识别2020.12.18
tencentcloud.common.exception.tencent_cloud_sdk_exception import TencentCloudSDKException from tencentcloud.ocr.v20181119 import ocr_client, models import base64 import json import jsonpath def get_json(): try: httpProfile = HttpProfile() httpProfile.endpoint = "ocr.tencentcloudapi.com" clientProfile = ClientProfile() clientProfile.httpProfile = httpProfile client = ocr_client.OcrClient
4K30编辑于 2022-09-22 - 来自专栏用户10004205的专栏
Unity 接入百度AI - OCR文字识别
下面是调用时传入的相关参数： 封装调用函数： using System; using System.Collections.Generic; using UnityEngine; public class OCR false, bool detectLanguage = false, bool probability = false) { var client = new Baidu.Aip.Ocr.Ocr return null; } } 以上是传入图片字节数据调用接口的方式，也可以通过URL调用，只需将GeneralBasic换为重载函数GeneralBasicUrl： 测试图片： OCR.General
92840编辑于 2022-08-29 - 来自专栏用户2442861的专栏
OCR material
/1604.03286 MLPaint: the Real-Time Handwritten Digit Recognizer image.png blog: http://blog.mldb.ai /blog/posts/2016/09/mlpaint/ github: https://github.com/mldbai/mlpaint demo: https://docs.mldb.ai/ipy building-a-deep-handwritten-digits-classifier-using-microsoft-cognitive-toolkit-6ae966caec69#.c3h6o7oxf github: https://github.com/tuzzer/ai-gym github(caffe): https://github.com/SHUCV/digit Attention-OCR: Visual Attention based OCR ? github: https://github.com/da03/Attention-OCR umaru: An OCR-system based on torch using the technique
15.2K41发布于 2018-09-19 - 来自专栏腾讯云开发者社区头条
王磊：AI 时代物流行业的 OCR 应用
OCR 是人工智能里面非常重要的基础能力之一。腾讯云人工智能产品总监王磊，结合物流场景解读了OCR技术。“OCR文本识别能够优化物流行业流程，解放人力降低成本。” [1503556556876_5635_1503556557294.jpg] 王磊介绍，OCR文本识别存在三大挑战。 腾讯优图实验室为OCR识别搭建了四层处理系统，并配备三大引擎。一是运单的版式识别引擎，可以对运单的版式进行分类；二是运单的字段定位引擎；三是运单的字段识别引擎。 现在腾讯云OCR能够做到7×24小时提供识别服务，每张运单5秒钟可以完成；识别准确率达到91%，并且整个识别流程不需要人工深度参与，极大的降低用户隐私泄露的风险。 AI 时代物流行业的 OCR 应用.pdf AI 时代物流行业的 OCR 应用.zip 相关推荐 腾讯云王琰：腾讯云AI Cloud的技术、应用布局和趋势 识别手写快递单、听懂人话的小微...腾讯云公布了哪些大动作
3.8K156发布于 2018-01-15 - 来自专栏低代码开发平台
低代码+AI：如何用低代码创建OCR模型？
一、什么是OCR模型？光学字符识别（OCR）模型是一种文本识别模型，它能够从数字图像和PDF中识别并提取印刷体和手写体文本。您可以使用机器学习训练模型扫描数字图像或PDF，并提取所需的信息。 自定义OCR模型：该模型可以被训练以识别和提取仅需要的值。自定义OCR模型利用了一系列行业领先的文本识别技术来识别和突出显示自定义OCR模型中的文本。 OCR模型的建立与训练是为了满足特定的业务需求，使您能够定制开发OCR模型，同时也提供了现成的OCR模型，以便您能够快速部署到应用程序中。 基于PDF的OCR模型：对于自定义OCR模型，您必须至少有五个包含最多2页相似布局的PDF文件来提取所需文本。Zoho Creator所有付费计划的用户都将可以使用AI模型。 您必须使用Zoho Creator 6才能创建自定义AI模型，而现成的AI模型在C6和C5中都可用。例如您需要从发票中提取某些数据，例如发票日期、发票编号、到期日期和账单地址。
89210编辑于 2024-08-30 2025年智能数据捕获指南：从OCR到AI
2025年智能数据捕获指南：从OCR到AI基础：定义数据捕获的内涵与价值您的高管团队正在讨论生成式AI。您的首席信息官有一个AI准备计划。 旧时代：传统OCR为何失败第一波自动化建立在一些核心技术之上，其中以光学字符识别为中心。OCR将打印文本的图像转换为机器可读字符。它通常辅以：智能字符识别：旨在解释手写文本的扩展。 现代解决方案：智能文档处理智能文档处理是基于AI的传统OCR继任者。IDP平台不是依赖模板，而是结合使用AI、机器学习和计算机视觉来理解文档的内容和上下文，就像人类一样。 这种双重能力是现代IDP系统与遗留OCR根本不同且强大得多的原因。此过程中的一个关键技术区别是文档布局分析。 智能数据捕获采用多层方法来确保准确性，远超过简单OCR所能提供的：上下文AI提取：使用VLM允许系统理解文档的上下文，减少误解字段的可能性。
41010编辑于 2026-01-28OCR大全
OCR技术概述什么是OCR？OCR（OpticalCharacterRecognition，光学字符识别）是指将图像中的文字信息转换为计算机可编辑文本的技术。 OCR技术发展历程展开代码语言：TXTAI代码解释1960s-1990s:传统OCR时代└──基于模板匹配、特征提取2000s-2010s:机器学习OCR└──基于SVM、随机森林等算法2015-至今: 深度学习OCR└──基于CNN、RNN、Transformer2023-至今:大模型OCR└──基于多模态大模型(GPT-4V、Qwen-VL)OCR技术分类一、传统OCR方法1.基本原理传统OCR通常包括以下步骤 OCROCR具体实现1.传统OCR实现我们设计的是基于Tesseract的传统OCR示例代码。 ('image.jpg')#身份证识别result=ocr.id_card_ocr('idcard.jpg')#车牌识别result=ocr.license_plate_ocr('plate.jpg')
72810编辑于 2026-03-05- 来自专栏平凡少年
OCR识别
最近作者项目中用到了身份证识别跟营业执照的OCR识别，就研究了一下百度云跟腾讯云的OCR产品接口。 1.腾讯云OCR ---- 收费：身份证OCR和营业执照OCR接口，每个接口每个月各有1000次的免费调用 接口说明： 身份证OCR接口 - https://cloud.tencent.com/document 2.百度OCR ---- 通过以下步骤创建OCR应用，作者当时在这一步花了很长时间 ? ? 创建完之后就可以拿到appId，API Key，Secret Key，就可以调用百度提供的api了 收费：身份证OCR和营业执照OCR接口，每个接口每天各有500次的免费调用 接口说明： 身份证OCR 营业执照OCR接口- https://cloud.baidu.com/doc/OCR/OCR-API.html#.E8.90.A5.E4.B8.9A.E6.89.A7.E7.85.A7.E8.AF.86
28.1K52发布于 2019-04-11 - 来自专栏社区的朋友们
给 AI 换个“大动力小心脏”之 OCR 异构加速
导语：OCR在通用文字识别等场景下有广泛应用，基于FPGA异构加速的OCR识别相比CPU/GPU实现具有延时小、成本低的优势。 通用场景的OCR因此通用场景下的OCR技术一直都是人工智能领域挑战性极强的研究领域，不需要针对特殊场景进行定制，可以识别任意场景图片中的文字。 通用OCR技术包含两大关键技术：文本检测和文字识别。 结语 目前OCR技术在证件识别、快递单扫描、信息安全审核等领域有着广泛的应用。架构平台部FPGA团队研发的OCR硬件加速解决方案，提供低成本、实时性AI计算加速，将持续助力公司内各业务发展。 在云端，2017年初，我们在腾讯云首发了国内第一台FPGA公有云服务器，我们将会逐步把基础AI加速能力推出到公有云上。 AI异构加速的战场很大很精彩，为公司内及云上业务提供最优的解决方案是架平FPGA团队持续努力的方向。
2.3K10发布于 2017-12-08 - 来自专栏xingoo, 一个梦想做发明家的程序员
我的AI之路 —— OCR文字识别快速体验版
OCR的全称是Optical Character Recoginition，光学字符识别技术。 ，随后在网上随便找了个OCR的在线文档转换软件，就给转过来了——这里面用到的技术就是OCR文字识别，所以本篇就带大家宏观上了解一下文字识别的技术方案与实现过程。 更多内容参考——我的AI之路 实现方案 1 大厂调包 有需求的地方就有市场，文字识别也不例外，很多大厂都提供了对应的服务，按照调用次数进行收费。比如网上找了一个产品服务的定价 ? parse import json import hashlib import base64 import cv2 url = 'http://webapi.xfyun.cn/v1/service/v1/ocr 支持中文版本 如果想要支持中文，官方提供了语言包，可以去直接下载： https://github.com/tesseract-ocr/tesseract/wiki/Data-Files#data-files-for-version
5K23发布于 2018-08-20 - 来自专栏深度学习与python
超越 OCR：AI 如何为企业文档处理带来变革
作者 | Jitender Jain 译者 | 明知山 策划 | 丁晓昀 文档处理技术的演变历程 长期以来，光学字符识别（OCR）技术一直是文档数字化的基石。 传统的 OCR 通常会忽略或误读这些内容。 计算机视觉技术能够有效填补这一空白。物体检测模型（如 YOLO 和 Faster R-CNN）可以识别复选框或徽标等元素。 用户能够轻松访问一系列强大的工具，包括用于 OCR 任务的预构建 API、文档分类服务、实体提取功能以及文档摘要工具等。这些工具能够快速得出结果，但没有两个平台的功能是完全相同的。 其主要优势包括： 强大的语言语义解析和上下文理解能力； 适用于非结构化和半结构化文档； 对于多语言和手写输入，OCR 识别准确度较高。 accessToken） 查看英文原文： https://www.infoq.com/articles/ocr-ai-document-processing/ 声明：本文由 InfoQ 翻译，未经许可禁止转载
90710编辑于 2025-05-26 DeepSeek-OCR-2 开源 OCR 模型的技术
DeepSeek-OCR-2开源OCR模型的技术OCR应用的场景和类型很广，本次使用Qwen2的架构，解决看的全（扫码方式优化）、看的的准（内容识别、视觉标记、降低重复率），多裁剪策略提取核心信息。 4.2GOT-OCR2.0：学术界的统一模型特点详情定位统一端到端OCR-2.0模型架构生成式预训练（类似LLM）特点强调整体文档理解适用场景学术研究、复杂版式文档对比结论：GOT-OCR2.0与DeepSeek-OCR VL是"通用选手"，OCR只是其能力之一；DeepSeek-OCR-2和HunyuanOCR是"OCR专家"，在文档解析专项上更精专。 参考链接DeepSeek-OCR-2:https://github.com/deepseek-ai/DeepSeek-OCR-2HunyuanOCR:https://github.com/Tencent-Hunyuan /GOT-OCR2.0Qwen2-VL:https://github.com/QwenLM/Qwen2-VL（本文由AI辅助整理技术资料，核心数据来源于各模型官方技术报告和GitHub仓库。）
98710编辑于 2026-02-07- 来自专栏Mac应用教程
OCR Tool PRO Mac(OCR光学字符识别)
推荐这款OCR光学字符识别工具OCR Tool PRO，以卓越的准确性和速度从图像和 PDF 中提取文本。 抓取图像 + PDF + 抓取屏幕区域 + 从 iPhone/iPad 捕获图像 + 设置 + OCR + 将文本复制到剪贴板 + 使用文本文件和 PDF 导出！ OCR Tool PRO Mac图片OCR Tool PRO版软件功能OCR 工具允许在选定区域中捕获具有任何文本的屏幕的一部分。它可以立即被识别并复制到剪贴板。 OCR 工具是一种简单、易于使用、超级高效且尊重您的隐私（不会从您的设备中获取数据）。 主要特点抓取屏幕区域以实现超高效的 OCR多次抓取屏幕区域以快速工作从 iPhone/iPad 和扫描仪捕获图像以进行即时 OCR 并将结果复制到剪贴板。
21.1K20编辑于 2022-08-29 - 来自专栏SIGAI学习与实践平台
OCR技术简介
OCR的应用场景 根据识别场景，可大致将OCR分为识别特定场景的专用OCR和识别多种场景的通用OCR。比如现今方兴未艾的证件识别和车牌识别就是专用OCR的典型实例。 OCR的技术路线 典型的OCR的技术路线如下图所示 其中影响识别准确率的技术瓶颈是文字检测和文本识别，而这两部分也是OCR技术的重中之重。 [11] 端到端的OCR 与检测-识别的多阶段OCR不同，深度学习使端到端的OCR成为可能，将文本的检测和识别统一到同一个工作流中。 [12] 总结 尽管基于深度学习的OCR表现相较于传统方法更为出色，但是深度学习技术仍需要在OCR领域进行特化，而其中的关键正式传统OCR方法的精髓。 【获取码】SIGAI0823 [55]浓缩就是精华-SIGAI机器学习蓝宝书【获取码】SIGAI0824 [56]DenseNet详解【获取码】SIGAI0827 [57]AI时代大点兵国内外知名AI公司
19.3K20发布于 2018-09-26 - 来自专栏目标检测和深度学习
OCR技术综述
最近入坑研究OCR，看了比较多关于OCR的资料，对OCR的前世今生也有了一个比较清晰的了解。所以想写一篇关于OCR技术的综述，对OCR相关的知识点都好好总结一遍，以加深个人理解。 什么是OCR？ 比如汉王OCR，百度OCR，阿里OCR等等，很多企业都有能力都是拿OCR技术开始挣钱了。 太多太多的应用了，OCR的应用在当今时代确实是百花齐放啊。 OCR的分类 如果要给OCR进行分类，我觉得可以分为两类：手写体识别和印刷体识别。 OCR流程 现在就来整理一下常见的OCR流程，为了方便描述，那就举文档中的字符识别为例子来展开说明吧。 针对传统OCR解决方案的不足，学界业界纷纷拥抱基于深度学习的OCR。 这些年深度学习的出现，让OCR技术焕发第二春。
17.2K92发布于 2018-04-18 OCR识别技术
前言一、OCR是什么？OCR是光学字符识别的缩写，通俗来讲就是计算机可以通过图像来识别和处理文字信息。二、OCR应用领域OCR识别API对接步骤1、接入前文档查看需要什么协议？ args) throws Exception{ String host = "https://open.expauth.com"; String path = "/v2/ocr "cusNo":"MER20230227354812341234","subMerNo":"MER20230227354812341234","reqNo":"1654251116079"}三、好用的OCR API为了简化开发者的工作，许多云服务提供商提供了强大且易于集成的OCR API1.文字OCR文字识别场景服务商提供的OCR API可选择性比较多，开发者可以根据自己的需求选择适合自己的服务商。 总结OCR识别技术让信息处理变得更加便捷。目前OCR技术已经广泛应用于我们的生活和工作中。
4.9K10编辑于 2024-05-15- 来自专栏SIGAI学习与实践平台
OCR技术简介
OCR的应用场景 根据识别场景，可大致将OCR分为识别特定场景的专用OCR和识别多种场景的通用OCR。比如现今方兴未艾的证件识别和车牌识别就是专用OCR的典型实例。 OCR的技术路线 典型的OCR的技术路线如下图所示 ? 其中影响识别准确率的技术瓶颈是文字检测和文本识别，而这两部分也是OCR技术的重中之重。 Attention OCR的网络结构[11] 端到端的OCR 与检测-识别的多阶段OCR不同，深度学习使端到端的OCR成为可能，将文本的检测和识别统一到同一个工作流中。 FOTS的总体结构[12] 总结 尽管基于深度学习的OCR表现相较于传统方法更为出色，但是深度学习技术仍需要在OCR领域进行特化，而其中的关键正式传统OCR方法的精髓。 因此我们仍需要从传统方法中汲取经验，使其与深度学习有机结合进一步提升OCR的性能表现。
9.4K50发布于 2018-10-18 当开源 OCR 革命撞上多模态成本困局：我们如何用 Gateone.ai 把 DeepSeek-OCR 变成“印钞机”
当开源 OCR 革命撞上多模态成本困局：我们如何用 Gateone.ai 把 DeepSeek-OCR 变成“印钞机”（开篇引爆行业新变量）就在我们为文档处理模块的准确率和延迟焦头烂额时，DeepSeek 没有统一的评估面板，我们只能靠肉眼比对输出结果——这简直是 AI 时代的“人工质检”。3.成本不可控更致命的是，DeepSeek-OCR 对长文档处理消耗巨大显存。 二、Gateone.ai：让 DeepSeek-OCR 从“实验室玩具”变成“生产利器”就在我们濒临放弃时，Gateone.ai 的多模态模型中枢给了我们破局钥匙：✅ 统一接入，一键调度通过 Gateone.ai 三、开源 + 商用 = 可持续的 AI 飞轮如今，DeepSeek-OCR 不再是“一次性技术尝鲜”，而是我们产品中可度量、可优化、可盈利的核心模块。 结语：别让好模型死在集成路上DeepSeek-OCR 的开源，是送给所有垂直领域 AI 创业者的礼物。但礼物需要“拆封工具”——而 Gateone.ai，就是那把能打开多模态未来的万能钥匙。
41410编辑于 2025-10-24树莓派Raspbian系统安装tesseract-ocr实现OCR
第二步安装Leptonica sudo apt-get install libleptonica-dev 第三步安装tesseract sudo apt-get install tesseract-ocr
56110编辑于 2025-07-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号