OCR，全称是Optical Character Recognition, 即光学字符识别，面向扫描文件。但是由于现在数字图像的普及，也包含场景文字识别（Scene Text Recognition, STR）, 面向自然场景。这里泛指文字检测和识别，包括扫描文档和自然场景的文字识别，文本是人类最重要的信息来源之一，自然场景中充满了形形色色的文字符号。

传统的OCR是通过扫描等光学输入方式将各种票据、报刊、书籍、文稿及其它印刷品的文字转化为图像信息，再利用文字识别技术将图像信息转化为可以使用的计算机输入技术。随着人工智能技术的发展，犀语OCR技术采用深度学习模型对印刷体、手写体等各类光学字符进行识别。

OCR技术广泛应用在金融、保险、税务、银行、政务、工商管理、审计等需要及时便利地处理大量表格、票据、文档等行业信息采集的领域，实现了各式文档的自动化录入、存储和管理，为各行业提供高效、智能、便捷的个性化解决方案。

根据识别场景，可大致将OCR分为识别特定场景的专用OCR和识别多种场景的通用OCR，如证件识别和车牌识别就是专用OCR的典型实例。通用OCR可以用于更复杂的场景如图片、表格、板式、版面等，也具有更大的应用潜力，但由于场景不固定，文字布局多样，版式需要处理页眉页脚、自然段、表格、图表等，表格需要处理每个单元格内容、单元格的填充或合并，因此难度更高。

随着时代的快速发展，信息量也日益膨胀，信息来源和结构也越来越多样化。现如今各类信息充斥在多种格式的文档，图片，视频等载体，非结构化的图像资料暴增，而信息结构化的手段还只是通过人工加工，对各类非结构化数据进行结构化转换才能应用到实际场景。使用OCR技术可避免在人工录入时容易出错问题，并可大量减少人力成本和时间成本，提高工作效率减少成本。

但因信息的多源异构性，OCR本身也面临着诸多问题和挑战：

• 文字的多样性：中文，英文等语言多样。

• 字体的多样性：印刷体识别和手写识别等。

• 场景的多样性：文档、图片及场景图片。

• 图像质量：图像的质量低导致目标被误分类。

• 语音视频噪音：各类噪声导致识别难度增大。

• 内容不规整：扭曲、旋转等情况使同一个文字不同角度可能导致识别错误。

• 印章识别：印章颜色、形状、清晰度等都会印象识别效果。

犀语OCR引擎：犀语深度学习技术的研究和积累及使得OCR技术拓展到图表、单证的广泛识别。

犀语 OCR-Sight：OCR-Sight是犀语自研的适宜灵活小批量单证、表格的内容识别的模型，同时也支持各种定制化等等，服务于各类应用场景。

犀语提供OCR全套解决方案，从产品、模型和服务三个方面进行。

产品：

• 支持各类OCR应用开发、上线、运维、管理的平台产品。

• 针对本地化部署需求的客户提供更低TCO的软硬一体化产品。

• 支持Saas服务，帮助开发者快速搭建OCR应用。

模型：

• 面向特定业务场景的模型应用，快速识别非结构化的图像文档内容并输出结构化数据，辅助业务流程的自动化、智能化以及业务效率的提升。

• 既支持通用的OCR场景应用，也可基于业务场景提供定制化的模型。

服务：

• 联合优质合作伙伴为客户提供端到端的服务，包括数据标注、模型开发、 应用开发、应用上线、模型调优、运维升级等。

• 通过先进的产品及丰厚的技术沉淀帮助客户找到OCR应用建设的效率和 效果的最佳平衡点。

犀语除了提供专业的解决方案和定制化业务，也提供从流程搭建、语料标注、模型训练到模型发布的OCR全流程的技术服务。

流程搭建：根据特定需求，定制模型全流程平台。

语料标注：文件解析、语料标注、语料管理、训练语料生成。

模型训练：图像分类、文本标框、文本识别。

模型发布：特定的图像特点进行模型调整与定制，完善的模型封装，灵活的接口调用。

创建数据集 – 可单笔或批量上传图片样本。

数据标注 - 为数据集标注，支持多类型多场景标注

模型训练 – 可自行配置训练参数，一键自动训练，提供训练日志

模型发布 -进行模型调整与定制，完善的模型封装，灵活的接口调用

Level1：

• OCR需求场景少。

• 需求简单、能快速上线应用。

• 企业自身应用开发维护资源有限。

Level2：

• OCR场景众多，需要维护管理多个应用。

• 业务规模持续增长，底层算力资源会持续扩展，需要有效的管理。

• 企业研发资源有限，但具备足够的应用运维管理能力。

Level3：

• 图像定制化场景较多。

• 按场景逐个采购外包服务建设，建设成本高、周期长。

• 企业自身有较高的自主开发图像模型应用能力，需要灵活且开放的平台支持各类图像场景的研发。