来也科技技术团队|基于语义的OCR纠错实现

发布网友发布时间：2024-10-02 04:02

共1个回答

热心网友时间：2024-12-01 05:08

来也科技技术团队通过深入研究和实践，发现其OCR技术在长尾问题上的识别准确率仍有提升空间。针对这一挑战，他们选择了一种创新的解决方案——在OCR的文本行内容识别阶段后增加一个纠错模块。该模块基于OCR模型的整体架构，主要由两阶段构成：文本行检测和识别。识别模型采用多任务训练策略，以提高识别准确率。

在需求分析阶段，团队着重考虑了业务问题、训练数据需求以及模型性能。由于来也科技的OCR错误主要由干扰和形近字引起，他们决定采用非有监督的轻量级模型，无需大量标注样本，以适应现有的OCR效果和节省计算资源。模型设计上，他们采用了Soft-Masked BERT的思路，将任务分为错误字检测、纠正字召回和纠正字排序三部分。

错误字检测利用OCR的softmax概率进行，当概率高于特定阈值时，认为识别正确。纠正字召回则通过自监督的MLM模型，预测被遮盖字符，模型采用Transformer Encoder设计，通过捕捉字符间的相关性提高纠错效果。排序模块则依赖于字符形状相似度，结合OCR特征向量和图片相似度计算，确保选出最准确的字符。

实践结果显示，这些改进在内部测试集合上带来了显著的提升，成功纠正了诸如字符过小、红章干扰等问题。来也科技的OCR纠错技术在保持高精度的同时，进一步优化了识别长尾场景的性能，展现了技术团队的创新和专业实力。