机器学习服务文本识别能力演进，大幅提升识别准确率

Posted 2022-12-15 华为移动服务

文本识别技术（OCR）可以识别收据、名片、文档照片等含文字的图片，将其中的文本信息提取出来，代替了人工信息录入与检测等操作，降低了输入成本，快速、方便，提升产品的易用性。

随着技术的发展，OCR已经深入生活的诸多方面。交通场景下，主要用于车牌识别，便于停车场管理、智能交通、移动警务等；生活场景下，主要用于证照识别，便于提取身份证、银行卡、护照、结婚证、户口本、营业执照等证照图像的文字信息，还可对街景路牌进行识别；票据场景下，主要用于发票凭证识别，便于银行、税务等大量票据表格录入及长期存储；其他场景下，可以利用OCR对书籍、报告、简历、合同等文件进行识别，将纸质文件电子化，便于保存和查看。

Demo

HMS Core机器学习服务OCR能力在2020年01月15日首次上线，为开发者们提供了丰富的API接口，HMS Core OCR能力支持任意角度的文本识别，对横竖排、弯曲文本精准识别的同时，还能对文本段落进行准确划分，对文本内容精确定位。为了保证一些卡证、票据的隐私性，HMS Core OCR能力还支持端侧和云侧推理，端侧适合相机或视频画面实时处理，图片中稀疏文本识别，当调用端侧接口时，可识别中文（简体）、日文、韩文、拉丁语（包括英文、西班牙文、葡萄牙文、意大利文、德文、法文、俄文）10个语种；云侧对文字识别精度要求高，适合图片中稀疏文本识别、文档图片密集文本识别，当调用云侧接口时，可以识别中文（简体）、英文、西班牙文、葡萄牙文、意大利文、德文、法文、俄文、日文、韩文、波兰文、芬兰文、挪威文、瑞典文、丹麦文、土耳其文、泰文、阿拉伯文、印地文19个语种，核心语种的识别精度达到行业顶尖水平。

基于用户需求和技术进步，HMS Core 机器学习服务OCR能力进行了升级优化：端侧模型轻量化、准确率提升。

能力演进：

1、端侧模型轻量化：文本识别端侧10个语种能力增强（模型层面）

KPI不变，端侧模型轻量化压缩42%，运行所占内存从之前版本的19.4M降到11.1M左右。

模型的轻量化将模型体积缩小，并且可以轻量化展示，内存占比小，运行更加流畅。

2、准确率提升：云侧OCR能力演进（中文模型)

云侧OCR中文识别准确率从87.62%提升到92.95%，高于行业平均水准，竞争力大幅提高。

技术描述：

OCR是通过检测纸上的字符，以检测暗、亮的方式确定其形状，而后用字符识别法将形状翻译成计算机文字的过程。即针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并经过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。

由于通用领域中存在大量弯曲文本的情况，算法团队通过重新设计文本检测模型，在横向文本的基础上，增加了任意旋转角度、弯曲文本的支持，使得在出行、广告牌等场景下的准确率和易用性大大增加。

文本识别还支持纯端侧推理，在涉及各类卡证、票据等隐私信息的场景下，相比云侧服务更加安全、可靠。考虑到端侧设备的算力、功耗等因素，算法团队通过巧妙的模型框架设计、量化、剪枝等技术，在保证识别精度的情况下，将识别模型压缩到商用的标准，保证用户的使用体验。

竞品对比：

OCR能力演进后，端侧和云侧的识别准确率都在业界属于领先地位。

云侧平均准确率高于竞品约7%，时延仅为竞品的55%。

端侧平均准确率和模型体积均优于竞品，一些小语种的准确率甚至达到95%。

优化更新：

1. 基于现在市面上OCR能力大多只针对印刷体字符， HMS Core机器学习服务正在进行通用手写体识别能力的开发（手写体识别、手写体+印刷体混合识别）。

2. 加入更多语种，预计新增罗马尼亚语、马来语、菲律宾语等。

3. 预计新增版面分析功能（PDF重排），机器学习服务支持多种内容识别处理功能，提升自身AI能力竞争力。

为了满足众多场景需要，HMS Core会不断开发新功能帮助开发者构建多元化应用，后续新增功能以华为HMS Core机器学习服务联盟官网为准。

了解更多详情>>

访问华为开发者联盟官网
获取开发指导文档
华为移动服务开源仓库地址：GitHub、Gitee

关注我们，第一时间了解 HMS Core 最新技术资讯~