Разпознаването на текст в сцени чете текст, който се появява във снимки и видеа на реална среда, като пътни табели, опаковки или регистрационни номера. За разлика от класическия OCR за сканирани документи, то трябва да се справя с изкривена перспектива, променлива светлина, необичайни шрифтове и претрупан фон. Типичният подход работи на два етапа: първо се локализират областите с текст, след това се разпознават символите в тях.
Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.
Стартирайте демотоОптичното разпознаване на символи (OCR) преобразува текст, съдържащ се в изображения, като скенирани документи, снимки или факсове, в машинночетим текст. Едва тогава документите могат да се търсят, копират или обработват автоматично. Съвременният OCR използва невронни мрежи и може да разпознава също таблици, оформление и в някои случаи ръкопис. Типични приложения са обработката на фактури, дигитализацията на архиви и четенето на формуляри; качеството зависи силно от качеството на изображението.
Компютърното зрение е област на ИИ, в която компютрите интерпретират изображения и видео. Типични задачи са откриване и локализиране на обекти, разчитане на текст в изображения и измерване на детайли. Технологията се използва например при контрола на качеството в производството, в системите за подпомагане на водача, в логистиката и в медицинската образна диагностика.
Разпознаването на изображения е област на компютърното зрение, в която софтуер определя какво показва едно изображение – обекти, хора, текст, лога или сцени. Обикновено се основава на невронни мрежи, обучени върху голям брой етикетирани изображения. Приложенията варират от контрол на качеството в производството и сортиране на продуктови снимки до подпомагане на медицинската образна диагностика. При изображения на хора особено внимание изискват защитата на данните и възможните пристрастия.
