د آپټیکل کرکټر پیژندنې کارولو کې زیاتوالی په عمده ډول د اتوماتیک پیژندنې سیسټمونو تولید زیاتوالي ته منسوب کیدی شي. د پایلې په توګه، د OCR ټیکنالوژۍ نړیوال بازار ارزښت، ټاکل شوی 8.93 ميليارده $ په 2021 کې، اټکل کیږي چې د 15.4 او 2022 ترمنځ د 2030٪ CAGR وده وکړي.
مګر واقعیا د OCR ټیکنالوژي څه ده؟ او ولې دا د سوداګرۍ لپاره د لوبې بدلون کونکی دی چې د اغیزمن AI ماډلونه رامینځته کوي؟ راځئ چې معلومه کړو.
OCR (د نظری کرکټر پیژندنه) څه شی دی؟
OCR هغه ټیکنالوژي ده چې د اسنادو مختلف ډولونه لکه سکین شوي کاغذ اسناد، PDFs، یا د متن عکسونه د ترمیم وړ او د لټون وړ ډیټا بدلوي. دا کار کوي:
- په انځور کې د متن جوړښت تحلیل
- متن په کرښو او حروفونو ویشل
- د دې بصري کرکټرونو بدلول د ماشین لوستلو وړ متن ته
عام استعمالونه پدې کې شامل دي:
- سکین شوي اسناد د ترمیم وړ متن فایلونو ته بدلول
- د چاپ شوي کتابونو ډیجیټل کول
- د عکسونو څخه متن استخراج
- د لاس لیکل شوي نسخې ډیجیټل متن ته بدلول
- د جواز پلیټ پیژندنه
د خلاصې سرچینې ډیټا سیټونو ګټې او ننګونې
سوداګرۍ باید د یو بل په وړاندې ګټې او ننګونې ودروي ترڅو پوه شي چې ایا دوی باید د دوی د ML غوښتنلیکونو لپاره وړیا کارولو ډیټا غوره کړي.
ګټې
- معلوماتو ته د لاسرسي لپاره په اسانۍ سره شتون لري. د معلوماتو د شتون له امله، د غوښتنلیک د پراختیا لګښت د پام وړ کم شوی.
- د غوښتنلیک لپاره د معلوماتو راټولولو وخت او هڅې د پام وړ کم شوي ځکه چې ډیټاسیټ په اسانۍ سره شتون لري.
- دلته د ټولنې فورمونو یا د مرستې ګروپونو کثرت شتون لري چې د ډیټاسیټ زده کړې ، تطبیق او اصلاح کولو کې مرسته کوي.
- د خلاصې سرچینې ډیټاسیټ یوه لویه ګټه دا ده چې دا په تخصیص باندې هیڅ محدودیت نلري.
- د خلاصې سرچینې ډیټا د نفوس یوې لویې برخې ته د لاسرسي وړ دي ، پرته له پیسو خنډونو تحلیل او نوښت ممکن کوي.
ننګونې
- د پروژې لپاره مشخص معلومات ترلاسه کول ستونزمن دي. سربیره پردې، د معلوماتو د ورکیدو او د شته معلوماتو د ناسم استعمال احتمال شته.
- د ملکیت معلوماتو ترلاسه کول وخت، هڅې او لګښت لري
- پداسې حال کې چې دا ممکن د معلوماتو ترلاسه کول اسانه وي، د پوهې او تحلیل لګښت ممکن د ابتدايي ګټې څخه ډیر وي.
- نور پراختیا کونکي هم د غوښتنلیکونو پراختیا لپاره ورته ډیټا کاروي.
- دا ډیټاسیټونه د امنیت سرغړونو ، محرمیت او رضایت لپاره خورا زیان منونکي دي.
د ماشین زده کړې لپاره 22 غوره لاسي لیک او OCR ډیټا سیټونه
ډیری خلاصې سرچینې ډیټاسیټونه د متن پیژندنې غوښتنلیک پراختیا لپاره شتون لري. ځینې غوره 22 دي
د NIST ډیټابیس
NIST یا د ساینس ملي انسټیټیوټ د 3600 کرکټر عکسونو سره د 810,000 څخه ډیر د لاسي لیکلو نمونو وړیا کارولو ټولګه وړاندې کوي.
د MNIST ډیټابیس
د NSIT د ځانګړي ډیټابیس 1 او 3 څخه اخیستل شوی، د MNIST ډیټابیس د ټریننګ سیټ لپاره د 60,000 لاسي لیکل شوي شمیرو او د ازموینې سیټ لپاره 10,000 مثالونو راټولول دي. دا د خلاصې سرچینې ډیټابیس د روزنې ماډلونو سره مرسته کوي چې نمونې وپیژني پداسې حال کې چې دمخه پروسس کولو کې لږ وخت مصرفوي.
د متن کشف
د خلاصې سرچینې ډیټابیس، د متن کشف ډیټابیس شاوخوا 500 داخلي او بهر د لاسلیک تختو، دروازو تختو، احتیاط پلیټونو، او نور ډیر څه لري.
سټینفورډ OCR
د سټینفورډ لخوا خپور شوی، دا د کارولو وړ وړیا ډیټاسیټ د MIT د ژبو سیسټمونو ګروپ لخوا د لاس لیکل شوي کلمو ټولګه ده.
د سړک لید متن
د ګوګل د سړک لید عکسونو څخه راټول شوی ، دا ډیټا سیټ د متن کشف عکسونه لري په عمده ډول د بورډونو او د سړک په کچه نښو.
لاسوند توکبنسټ
د اسنادو ډیټابیس د 941 لاسي لیکل شوي اسنادو ټولګه ده، په شمول د میزونو، فورمولونو، انځورونو، ډیاګرامونو، لیستونو او نور په شمول، د 189 لیکوالانو څخه.
د ریاضیاتو څرګندونه
د ریاضیاتو څرګندونه یو ډیټابیس دی چې 101 ریاضياتي سمبولونه او 10,000 څرګندونې لري.
د سړک لید کور شمیرې
د ګوګل سټریټ ویو څخه راټول شوي ، دا د سړک لید کور شمیرې یو ډیټابیس دی چې د 73257 سړک کور شمیرې لري.
د طبیعي چاپیریال OCR
د طبیعي چاپیریال OCR، په ټوله نړۍ کې د نږدې 660 انځورونو او 5238 متن تشریحاتو ډیټاسیټ دی.
د ریاضیاتو څرګندونه
له 10,000 څخه ډیر څرګندونې د 101+ ریاضی سمبولونو سره.
په لاس لیکل شوي چینايي کرکټرونه
د 909,818 لاسي لیکل شوي چینايي کرکټر عکسونو ډیټاسیټ ، د شاوخوا 10 خبرونو مقالو سره معادل.
عربي چاپ شوی متن
د 113,284 عربي فونټونو په کارولو سره د 10 کلمو لرونکی لغت.
په لاس لیکل شوی انګلیسي متن
په سپینه تخته کې په لاس لیکل شوی انګلیسي متن له 1700 څخه ډیر ننوتلو سره.
د 3000 چاپیریال انځورونه
د مختلف چاپیریال څخه 3000 عکسونه ، پشمول د مختلف ر lightingا لاندې بیروني او داخلي صحنې.
د Chars74K ډاټا
74,000 انځورونه د انګلیسي او کناډا عددونو.
IAM (IAM لاس لیک)
د IAM ډیټابیس 13,353 د لاس لیکل شوي متن عکسونه لري چې د 657 لیکوالانو لخوا د برتانیا انګلیسي لینکسټر-اوسلو/برګن کارپس څخه دي.
FUNSD (په شور کې سکین شوي اسنادو کې د فورمې تفاهم)
FUNSD کې 199 تشریح شوي ، سکین شوي فارمونه د متنوع او شور وړ لیدونو سره شامل دي ، د فارم پوهیدو لپاره ننګونکي.
د OCR متن
د TextOCR بنچمارک د متن پیژندنه په طبیعي عکسونو کې په خپل سري شکل شوي صحنې متن کې.
ټویټر 100k
ټویټر100k یو لوی ډیټا سیټ دی چې د ضعیف نظارت شوي کراس میډیا ترلاسه کولو لپاره دی.
SSIG-SegPlate - د جواز پلیټ کریکټ سیګمینټیشن (LPCS)
دا ډیټا سیټ د 101 ورځني موټرو عکسونو سره د جواز پلیټ کریکټ سیګمینټیشن (LPCS) ارزوي.
105,941 انځورونه طبیعي صحنې د 12 ژبو OCR ډیټا
په ډیټا کې 12 ژبې (6 آسیایي، 6 اروپایي) او مختلف طبیعي منظرې او زاویې شاملې دي. دا د لاین کچې پابندۍ بکسونه او د متن لیږدونه وړاندې کوي. دا د څو ژبو OCR کارونو لپاره ګټور دی.
د هند د نښان بورډ انځور ډیټاسیټ
ډیټاسیټ د طبقه بندي او کشف لپاره د هندي ترافیک نښه عکسونه لري چې د ورځې ، ماښام او شپې په مختلف موسم شرایطو کې اخیستل شوي.
دا د متن کشف غوښتنلیکونو لپاره د ML ماډلونو روزنې لپاره ځینې غوره خلاصې سرچینې ډیټا سیټونه وو. د هغه انتخاب کول چې ستاسو د سوداګرۍ او غوښتنلیک اړتیاو سره سمون لري وخت او هڅې کولی شي. په هرصورت، تاسو باید د دې ډیټاسیټونو سره تجربه وکړئ مخکې له دې چې مناسبه پریکړه وکړئ.
[هم ولولئ: د OCR انفوګرافیک - تعریف، ګټې، ننګونې، او د کارولو قضیې]
د دې لپاره چې تاسو سره د باور وړ او مؤثره متن کشف غوښتنلیک په لور پرمختګ کې مرسته وکړئ شیپ - د لوړ پوړ ټیکنالوژۍ حل چمتو کونکی. موږ د مختلفو پیرودونکو پروژو لپاره د دودیز، مطلوب، او اغیزمن OCR روزنې ډیټاسیټونو رامینځته کولو لپاره زموږ تخنیکي تجربه کاروو. زموږ د وړتیاوو په بشپړه توګه درک کولو لپاره، نن ورځ موږ سره اړیکه ونیسئ.
