Szenentexterkennung (Scene Text Recognition) liest Text, der in Fotos und Videos aus der realen Umgebung vorkommt, etwa auf Straßenschildern, Verpackungen oder Kennzeichen. Anders als die klassische OCR für gescannte Dokumente muss sie mit schrägen Perspektiven, wechselndem Licht, ungewöhnlichen Schriften und unruhigem Hintergrund zurechtkommen. Typisch ist ein zweistufiges Vorgehen: erst Textbereiche finden, dann die Zeichen erkennen.
Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.
Demo startenOptische Zeichenerkennung (Optical Character Recognition, OCR) wandelt Text in Bildern, etwa in Scans, Fotos oder Faxen, in maschinenlesbaren Text um. Erst danach lassen sich Dokumente durchsuchen, kopieren oder automatisch weiterverarbeiten. Moderne OCR nutzt neuronale Netze und erkennt auch Tabellen, Layouts und teilweise Handschrift. Typische Einsätze sind Rechnungseingang, Archivdigitalisierung und das Auslesen von Formularen; die Qualität hängt stark von der Bildqualität ab.
Computer Vision (maschinelles Sehen) ist ein Teilgebiet der KI, in dem Computer Bilder und Videos auswerten. Typische Aufgaben sind das Erkennen und Lokalisieren von Objekten, das Lesen von Text in Bildern oder das Vermessen von Bauteilen. Eingesetzt wird die Technik etwa in der Qualitätskontrolle in der Fertigung, in Fahrassistenzsystemen, in der Logistik oder in der medizinischen Bildgebung.
Bilderkennung ist ein Teilgebiet der Computer Vision, in dem Software erkennt, was auf einem Bild zu sehen ist – etwa Objekte, Personen, Text, Logos oder Szenen. Grundlage sind meist neuronale Netze, die an vielen beschrifteten Bildern trainiert wurden. Anwendungen reichen von der Qualitätskontrolle in der Produktion über die Sortierung von Produktfotos bis zur Unterstützung in der medizinischen Bildgebung. Bei Personenbildern sind Datenschutz und mögliche Verzerrungen besonders zu beachten.
