基于语义的OCR纠错实现

基于语义的 OCR 纠错实现

摘要

作为超级自动化的代表公司，来也科技推进的许多自动化解决方案中，需要OCR（光学文字识别）的能力，经过持续的积累和创新，目前来也自研的通用OCR识别在60多个复杂的中文测试集合上近70万的字符上，综合F1指标已经接近97%，远超国内大多数竞品公司。

虽然综合指标上已经取得非常好的成绩，但是因为视觉深度学习OCR模型的天生缺陷，在一些长尾问题上依然识别准确率不高，典型的有以下场景：

1. 污渍干扰如红章、墨迹
2. 形似字 如 “戍”与“戌、成、戊”
3. 图像变形引起的字体变形