Riconoscimento ottico dei caratteri: Sfruttare la potenza della visione artificiale per il riconoscimento ottico dei caratteri

Di Fouad Sabry

Che cos'è il riconoscimento ottico dei caratteri

Il riconoscimento ottico dei caratteri o lettore ottico dei caratteri (OCR) è la conversione elettronica o meccanica di immagini di testo digitato, scritto a mano o stampato in formato automatico testo codificato, sia da un documento scansionato, da una foto di un documento, da una foto di scena o dal testo dei sottotitoli sovrapposto a un'immagine.

Come trarrai vantaggio

(I) Approfondimenti e convalide sui seguenti argomenti:

Capitolo 1: Riconoscimento ottico dei caratteri

Capitolo 2: Carattere tipografico

Capitolo 3: Riconoscimento della grafia

Capitolo 4: Scanner di immagini

Capitolo 5: Riconoscimento ottico dei segni

Capitolo 6: Riconoscimento intelligente dei caratteri

Capitolo 7: Tesseract ( software)

Capitolo 8: OCRopus

Capitolo 9: CuneiForm (software)

Capitolo 10: Confronto tra software di riconoscimento ottico dei caratteri

(II) Rispondere alle principali domande del pubblico sul riconoscimento ottico dei caratteri.

(III) Esempi reali dell'utilizzo del riconoscimento ottico dei caratteri in molti campi.

Chi è questo libro è per

Professionisti, studenti universitari e laureati, appassionati, hobbisti e coloro che desiderano andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di riconoscimento ottico dei caratteri.

 

 

• Lingua: Italiano
• Editore: Un Miliardo Di Ben Informato [Italian]
• Data di uscita: 4 mag 2024

Anteprima del libro

Capitolo 1: Riconoscimento ottico dei caratteri

Da un documento scansionato, da una foto del documento, da una foto di scena (come il testo su cartelli e cartelloni pubblicitari in una foto di un paesaggio) o dal testo dei sottotitoli sovrapposto a un'immagine, il riconoscimento ottico dei caratteri (OCR) è la conversione elettronica o meccanica di immagini di testo digitato, scritto a mano o stampato in testo codificato automaticamente (ad esempio: da una trasmissione televisiva).

È un metodo comune di digitalizzazione di testi stampati per l'editing elettronico, la ricerca, l'archiviazione compatta, la visualizzazione online e l'uso in processi automatici come il cognitive computing, la traduzione automatica, la sintesi vocale (estratta) e altra documentazione adeguata, come documenti di passaporto, fatture, estratti conto bancari, ricevute computerizzate, biglietti da visita, posta, stampe di dati statici e altra documentazione adeguata. Il riconoscimento dei modelli, l'intelligenza artificiale e la visione artificiale contribuiscono tutti all'OCR.

Le versioni precedenti supportavano solo un singolo carattere tipografico e richiedevano una formazione con le foto di ogni carattere. I sistemi moderni spesso gestiscono molti formati di file di immagini digitali e possono fornire un elevato livello di precisione di identificazione per la maggior parte dei caratteri tipografici. Alcune implementazioni possono generare una copia della pagina con tutti i dettagli di formattazione mantenuti, ad esempio grafica, colonne e altri elementi non testuali.

La telegrafia e lo sviluppo di ausili alla lettura per i ciechi sono due possibili antecedenti del moderno riconoscimento ottico dei caratteri.

Per esaminare gli archivi di microfilm utilizzando un sistema di riconoscimento ottico dei codici, Emanuel Goldberg creò quella che chiamò una macchina statistica negli anni '20 e '30. Nel 1931 ricevette il brevetto statunitense 1.838.389 per la sua creazione. IBM ora possiede il brevetto.

Dopo aver sviluppato l'OCR omni-font, in grado di leggere il testo scritto in quasi tutti i caratteri tipografici, Ray Kurzweil fondò la Kurzweil Computer Products, Inc. nel 1974. (A Kurzweil viene spesso attribuita l'invenzione dell'OCR omni-font, ma era in uso da parte di aziende, tra cui CompuScan, alla fine degli anni '60 e '70). L'uso ottimale di questa tecnologia, ragionava Kurzweil, sarebbe stato quello di sviluppare una macchina di lettura per i non vedenti, che avrebbe permesso ai non vedenti di avere un computer che leggesse ad alta voce qualsiasi testo inserito dall'utente. Affinché questo gadget diventasse realtà, è stato necessario sviluppare due tecnologie chiave, lo scanner piano CCD e il sintetizzatore text-to-speech. Il prodotto finale fu presentato durante una conferenza stampa il 13 gennaio 1976, presieduta da Kurzweil e dalla Federazione Nazionale dei Ciechi. La prima versione commerciale del software di riconoscimento ottico dei caratteri è stata rilasciata da Kurzweil Computer Products nel 1978. In qualità di uno dei primi ad adottarlo, LexisNexis ha acquistato il software per includere articoli di notizie e note legali nei suoi database online alle prime armi. Kurzweil vendette la sua azienda alla Xerox due anni dopo a causa del desiderio di quest'ultima di commercializzare la conversione del testo dalla carta al computer. Scansoft, che era stata scorporata da Xerox, in seguito si fuse con Nuance Communications.

Negli anni 2000, l'OCR è stato reso accessibile nel cloud, sui dispositivi mobili e nella traduzione in tempo reale di segni in lingua straniera utilizzando uno smartphone tramite servizi come WebOCR. Con l'ascesa dei dispositivi mobili connessi a Internet come smartphone e smartwatch, l'OCR viene utilizzato nelle app che estraggono il testo dalle immagini scattate con la fotocamera del dispositivo. Se il dispositivo non dispone di funzionalità OCR integrate nel sistema operativo, verrà utilizzata un'API OCR per leggere il file di immagine ed estrarre il testo. L'API OCR invia il testo estratto al programma sul dispositivo, insieme alle informazioni su dove è stato riconosciuto il testo nell'immagine originale, in modo che l'app possa fare qualcosa con esso (come convertirlo in voce o visualizzarlo).

I caratteri latini, cirillici, arabi, ebraici, indiani, bengalesi (Bangla), devanagari, tamil, cinesi, giapponesi e coreani sono tutti supportati da un'ampia varietà di sistemi OCR commerciali e open source.

L'OCR delle ricevute, l'OCR delle fatture, l'OCR degli assegni e l'OCR del documento di fatturazione legale sono solo alcuni dei numerosi tipi di applicazioni OCR specifiche del dominio che sono state create sui motori OCR.

Puoi usarli in:

Inserimento di informazioni da documenti aziendali come assegni, passaporti, fatture, estratti conto bancari e ricevute

Software per la lettura delle targhe

Negli aeroporti, per la scansione dei passaporti e l'estrazione dei dati

Estrazione automatica dei dati chiave dai documenti assicurativi

La capacità di leggere i segnali stradali

Aggiunta di dettagli di contatto da un biglietto da visita

Accelera il processo di conversione dei materiali stampati in testo, ad esempio scansionando i libri per il Progetto Gutenberg.

Consenti di cercare copie digitali di libri e riviste stampate come Google Libri.

Utilizzo del riconoscimento della scrittura a mano in tempo reale per il funzionamento di un computer (pen computing)

Aggirare i sistemi anti-bot CAPTCHA, anche se hanno lo scopo di fermare l'OCR. Il test di resistenza del sistema anti-bot CAPTCHA è un altro possibile obiettivo.

Apparecchiature progettate per aiutare i non vedenti

Le istruzioni del veicolo vengono scritte individuando le immagini CAD in un database che sono rilevanti per la progettazione del veicolo in continua evoluzione.

Il processo di trasformazione dei documenti scansionati in PDF ricercabili

Il testo dattiloscritto è ciò su cui si concentra il riconoscimento ottico dei caratteri (OCR). Lo fa analizzando ogni singolo glifo o lettera.

La scansione parola per parola del testo stampato è il fulcro del riconoscimento ottico delle parole (per le lingue che utilizzano uno spazio come divisore di parole). (Comunemente abbreviato in OCR)

La scrittura scritta a mano o corsiva è un altro obiettivo del riconoscimento intelligente dei caratteri (ICR), che si concentra su ogni singolo glifo o lettera.

L'analisi parola per parola della scrittura a mano in caratteri stampati o corsivi è un altro obiettivo del riconoscimento intelligente delle parole (IWR). Ciò è particolarmente utile per le lingue che utilizzano la scrittura corsiva senza separare i glifi.

Il riconoscimento ottico dei caratteri è spesso una procedura offline che valuta un documento conservato. Le API OCR online sono offerte da alcuni servizi basati su cloud. È possibile fornire dati sui movimenti della mano di uno scrittore in un sistema di riconoscimento della scrittura. Questo metodo è superiore rispetto al basarsi esclusivamente sulle forme dei glifi e delle parole poiché può registrare azioni come l'ordine in cui le parti vengono disegnate, la direzione presa e il ritmo di quando la penna viene posata e presa. Questi dati supplementari hanno il potenziale per migliorare la precisione complessiva