ShopeeVideo 多语言 OCR 系统设计与实现

ShopeeVideo 多语言 OCR 系统设计与实现

摘要

OCR 技术，即 Optical Character Recognition（光学字符识别），用于提取视频或图像中的文字。在 Shopee 的多市场电商和视频业务中，OCR 有着广泛的应用价值。

例如，在短视频的推荐、搜索、供给和内容审核、视频字幕提取、广告 logo 识别、封面版面分析、IP 版权识别等方面都用到了 OCR 的能力；在电商图像视频理解中，也包含商品信息提取、订单识别、卡证识别、票据识别、店铺识别、文档内容提取等应用。

Shopee 的业务场景主要分布在东南亚多个市场，用户使用语言也非常多元化。ShopeeVideo OCR 团队基于行业前沿的深度学习技术，联合开发团队打造了一套完整的多语言文字识别系统，将图片和视频上的文字内容智能识别为可编辑的文本。

目前，该系统在图像文本检测和识别、视频文本理解、版面分析、文本合成、轻量级模型部署上都有了深厚的积累，经历了多次算法迭代，识别精度不断提升，取得了业界领先的识别水准。