Rozpoznávanie textu v scéne číta text, ktorý sa objavuje na fotografiách a videách reálneho prostredia, napríklad na dopravných značkách, obaloch alebo evidenčných číslach vozidiel. Na rozdiel od klasického OCR pre naskenované dokumenty si musí poradiť so skreslenou perspektívou, meniacim sa svetlom, nezvyčajnými písmami a neprehľadným pozadím. Typický postup má dve fázy: najprv sa lokalizujú oblasti s textom a potom sa v nich rozpoznajú znaky.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoOptické rozpoznávanie znakov (OCR) premieňa text obsiahnutý v obrázkoch, ako sú skeny, fotografie alebo faxy, na strojovo čitateľný text. Až potom možno dokumenty vyhľadávať, kopírovať alebo automaticky spracúvať. Moderné OCR využíva neurónové siete a dokáže rozpoznať aj tabuľky, rozloženie a v niektorých prípadoch aj rukopis. Typické použitia zahŕňajú spracovanie faktúr, digitalizáciu archívov a čítanie formulárov; kvalita výrazne závisí od kvality obrazu.
Počítačové videnie je oblasť AI, v ktorej počítače interpretujú obrázky a video. Typickými úlohami sú rozpoznávanie a lokalizácia objektov, čítanie textu na obrázkoch a meranie súčiastok. Technológia sa využíva napríklad pri kontrole kvality vo výrobe, v asistenčných systémoch vodiča, v logistike a v medicínskom zobrazovaní.
Rozpoznávanie obrazu je oblasť počítačového videnia, v ktorej softvér identifikuje, čo obrázok zobrazuje – objekty, osoby, text, logá alebo scény. Zvyčajne je založené na neurónových sieťach natrénovaných na veľkom množstve označených obrázkov. Uplatnenie siaha od kontroly kvality vo výrobe a triedenia produktových fotografií až po podporu medicínskeho zobrazovania. Pri obrázkoch osôb si osobitnú pozornosť vyžaduje ochrana údajov a možné skreslenie.
