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(dǎo)的2020AIIA人工智能開發(fā)者大會上，主辦方正式發(fā)布國內(nèi)首份智能文字識別(OCR)能力
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(dǎo)的2020AIIA人工智能開發(fā)者大會上，主辦方正式發(fā)布國內(nèi)首份智能文字識別(OCR)能力測評與應(yīng)用白皮書。白皮書從OCR發(fā)展背景、技術(shù)沿革、產(chǎn)業(yè)發(fā)展現(xiàn)狀、技術(shù)標(biāo)準(zhǔn)化、發(fā)展趨勢等多個維度，對當(dāng)前國內(nèi)OCR產(chǎn)業(yè)進(jìn)行了一次詳細(xì)梳理，全面助推OCR技術(shù)產(chǎn)業(yè)化加速落地及可持續(xù)發(fā)展。
OCR是光學(xué)字符識別(Optical Character Recognition)的縮寫，指利用機器將圖像中手寫體或印刷體的文本轉(zhuǎn)換為計算機可以直接處理的格式。作為計算機視覺領(lǐng)域的重要分支，OCR典型應(yīng)用是通過圖像文字識別實現(xiàn)信息錄入。同時，由于文字和符號包含豐富的語義信息，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(jù)了解，這份白皮書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計算機視覺中心、騰訊安全戰(zhàn)略研究部、騰訊優(yōu)圖實驗室聯(lián)合起草。
新基建帶來新機遇，OCR技術(shù)發(fā)展三大趨勢
借助人工智能技術(shù)，近年來OCR性能的不斷提升為產(chǎn)業(yè)數(shù)字化催生出的更復(fù)雜的OCR應(yīng)用場景提供了堅實支撐。同時，覆蓋手機、電子產(chǎn)品以及云服務(wù)在內(nèi)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(xù)向社會生產(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(chǔ)設(shè)施列入“新基建”范圍，作為人工智能應(yīng)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”背景下無疑將迎來新的發(fā)展機遇，相關(guān)技術(shù)也將迎來新一輪的變革。
報告指出，OCR技術(shù)未來發(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(rèn)知的智能OCR。
詳細(xì)來說，構(gòu)建一體化的端到端網(wǎng)絡(luò)，同時對文字檢測和識別進(jìn)行訓(xùn)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(shè)計不僅能夠減少重復(fù)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，大量的OCR應(yīng)用需要在資源受限的移動端設(shè)備上運行，當(dāng)前移動端OCR算法大多以犧牲一定的算法精度來換取運行速度，針對移動設(shè)備設(shè)計兼顧性能和效率的輕量OCR模型將是未來發(fā)展的重要方向。
另外，從感知到認(rèn)知的智能OCR來說，OCR技術(shù)通常從計算機視覺領(lǐng)域出發(fā)，未來與自然語言處理技術(shù)、知識圖譜等更廣領(lǐng)域的交叉融合，通過語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(xí)和元學(xué)習(xí)等新的學(xué)習(xí)范式，讓機器自主學(xué)習(xí)如何識別文字，也將成為研究熱點。
市場規(guī)模達(dá)133.81億美元，OCR成科技巨頭標(biāo)配
目前，OCR技術(shù)已在金融、保險、醫(yī)療、交通、教育等諸多行業(yè)有了深入成熟的應(yīng)用。未來隨著傳統(tǒng)行業(yè)的數(shù)字化轉(zhuǎn)型，OCR應(yīng)用范圍和場景將進(jìn)一步擴展，市場規(guī)模將進(jìn)一步增大。有權(quán)威機構(gòu)預(yù)測，2025年全球OCR市場規(guī)模將達(dá)到133.81億美元。
早期受限于技術(shù)發(fā)展水平，OCR廠商通常從特定應(yīng)用切入，例如車牌識別系統(tǒng)等，形成了一系列專用設(shè)備。近年來，越來越多的終端設(shè)備及應(yīng)用均嵌入了OCR技術(shù)，并逐漸形成了從基礎(chǔ)設(shè)施、基礎(chǔ)能力到終端應(yīng)用的完整產(chǎn)業(yè)鏈生態(tài)，也衍生出了卡證、票據(jù)等一系列細(xì)分OCR能力，通過組合的方式服務(wù)于各個行業(yè)。
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(yīng)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商正在紛紛加速布局OCR，在滿足自身內(nèi)部業(yè)務(wù)需求的同時，不斷對外開放先進(jìn)的OCR能力，OCR已然成為科技巨頭能力標(biāo)配。
多行業(yè)場景成熟落地，首次發(fā)布OCR評測標(biāo)準(zhǔn)
在具體的落地應(yīng)用層面，目前卡證識別、票據(jù)識別等標(biāo)準(zhǔn)場景文字識別已經(jīng)相對成熟，手寫文字識別在教育、物流等行業(yè)的應(yīng)用也在不斷擴大。復(fù)雜動態(tài)場景下的OCR技術(shù)和應(yīng)用成為近兩年的熱門研究方向，比如在無人駕駛、機器人等場景利用OCR對視場中出現(xiàn)的文字進(jìn)行識別等。
在此次發(fā)布的白皮書中，騰訊云也公布了其多項OCR領(lǐng)域的典型落地案例。
豐巢快遞柜通過使用騰訊云聯(lián)合騰訊優(yōu)圖實驗室提供的身份證OCR技術(shù)，身份證字段識別準(zhǔn)確率高達(dá)99%，大幅提高了用戶寄件、取件的效率;寧波銀行通過采用騰訊云聯(lián)合騰訊優(yōu)圖實驗室打造的智能票據(jù)OCR解決方案，將識別的字段準(zhǔn)確率提升至90%以上，更好地滿足了銀行業(yè)務(wù)場景的需要。搜狗廣告圖片文本審核借助OCR產(chǎn)品服務(wù)幫助客戶自動識別海量的圖片文字內(nèi)容，從而高效地進(jìn)行廣告圖片違法內(nèi)容識別，降低客戶業(yè)務(wù)的違規(guī)風(fēng)險。
值得一提的是，為全面降低OCR相關(guān)領(lǐng)域的應(yīng)用門檻，避免出現(xiàn)魚龍混雜局面，白皮書也首次公布OCR評測標(biāo)準(zhǔn)和規(guī)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(guī)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(biāo)志著深度學(xué)習(xí)背景下的OCR評測方法已經(jīng)逐漸被國際標(biāo)準(zhǔn)組織所接受。
在此之中，騰訊深度參與推動OCR領(lǐng)域技術(shù)革新和標(biāo)準(zhǔn)制定，幫助企業(yè)客觀、全面地評價不同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(dǎo)，騰訊云開發(fā)的天鑒OCR服務(wù)引擎自動化評測平臺，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(jié)果，為需求方提供客觀公正的選型依據(jù)。
關(guān)鍵詞：
