國內首份OCR白皮書出爐，公佈OCR技術發展三大趨勢

9月28日，在2020AIIA人工智能開發者大會上，主辦方正式發佈國內首份智能文字識別（OCR）能力測評與應用白皮書。白皮書從OCR發展背景、技術沿革、產業發展現狀、技術標準化、發展趨勢等多個維度，對當前國內OCR產業進行了一次詳細梳理，全面助推OCR技術產業化加速落地及可持續發展。

OCR是光學字符識別（Optical CharacterRecognition）的縮寫，指利用機器將圖像中手寫體或印刷體的文本轉換為計算機可以直接處理的格式。作為計算機視覺領域的重要分支，OCR典型應用是通過圖像文字識別實現信息錄入。同時，由於文字和符號包含豐富的語義信息，基於OCR提取文字信息繼而進行分析，能夠幫助機器更好地理解圖像。

據瞭解，這份白皮書是由中國信息通信研究院、中國人工智能產業發展聯盟、騰訊雲AI計算機視覺中心、騰訊安全戰略研究部、騰訊優圖實驗室聯合起草。

新機遇：OCR技術發展三大趨勢

藉助人工智能技術，近年來OCR性能的不斷提升為產業數字化催生出更復雜的OCR應用場景提供了堅實支撐。同時，覆蓋手機、電子產品以及雲服務在內的更加多樣化的服務載體，進一步加快了OCR的普及，持續向社會生產生活的更多領域滲透。

報告指出，OCR技術未來發展的三大方向主要包括一體化的端到端OCR模型、兼具高性能高效率的OCR、從感知到認知的智能OCR。

詳細來説，構建一體化的端到端網絡，同時對文字檢測和識別進行訓練，將成為OCR技術發展的重要趨勢之一。端到端的網絡設計不僅能夠減少重複計算，又能夠提高特徵的質量，促進任務性能的改善。同時，大量的OCR應用需要在資源受限的移動端設備上運行，當前移動端OCR算法大多以犧牲一定的算法精度來換取運行速度，針對移動設備設計兼顧性能和效率的輕量OCR模型將是未來發展的重要方向。

另外，從感知到認知的智能OCR來説，OCR技術通常從計算機視覺領域出發，未來與自然語言處理技術、知識圖譜等更廣領域的交叉融合，通過語義及知識的深度挖掘提升OCR性能是重要趨勢。此外，在OCR中引入強化學習和元學習等新的學習範式，讓機器自主學習如何識別文字，也將成為研究熱點。

市場規模達133.81億美元，OCR成科技巨頭標配

目前，OCR技術已在金融、保險、醫療、交通、教育等諸多行業有了深入成熟的應用。未來隨着傳統行業的數字化轉型，OCR應用範圍和場景將進一步擴展，市場規模將進一步增大。有權威機構預測，2025年全球OCR市場規模將達到133.81億美元。

早期受限於技術發展水平，OCR廠商通常從特定應用切入，例如車牌識別系統等，形成了一系列專用設備。近年來，越來越多的終端設備及應用均嵌入了OCR技術，並逐漸形成了從基礎設施、基礎能力到終端應用的完整產業鏈生態，也衍生出了卡證、票據等一系列細分OCR能力，通過組合的方式服務於各個行業。

不難看出，OCR技術逐漸“下沉”為一項基本的能力，為上層不同的業務應用提供底層技術支撐。以騰訊云為代表的科技巨頭和雲計算廠商正在紛紛加速佈局OCR，在滿足自身內部業務需求的同時，不斷對外開放先進的OCR能力，OCR已然成為科技巨頭能力標配。

多行業場景成熟落地，首次發佈OCR評測標準

在具體的落地應用層面，目前卡證識別、票據識別等標準場景文字識別已經相對成熟，手寫文字識別在教育、物流等行業的應用也在不斷擴大。複雜動態場景下的OCR技術和應用成為近兩年的熱門研究方向，比如在無人駕駛、機器人等場景利用OCR對視場中出現的文字進行識別等。

在此次發佈的白皮書中，騰訊雲也公佈了其多項OCR領域的典型落地案例。

豐巢快遞櫃通過使用騰訊雲聯合騰訊優圖實驗室提供的身份證OCR技術，身份證字段識別準確率高達99%，大幅提高了用户寄件、取件的效率；寧波銀行通過採用騰訊雲聯合騰訊優圖實驗室打造的智能票據OCR解決方案，將識別的字段準確率提升至90%以上，更好地滿足了銀行業務場景的需要。搜狗廣告圖片文本審核藉助OCR產品服務幫助客户自動識別海量的圖片文字內容，從而高效地進行廣告圖片違法內容識別，降低客户業務的違規風險。

值得一提的是，為全面降低OCR相關領域的應用門檻，避免出現魚龍混雜局面，白皮書也首次公佈OCR評測標準和規範。

今年4月，中國人工智能產業發展聯盟制定了《OCR服務智能化分級技術要求和評估方法》，規定了OCR服務在功能、性能、安全等方面的技術要求以及評估方法。7月，OCR服務要求及評估方法在國際電信聯盟ITU-T SG16組成功立項，標誌着深度學習背景下的OCR評測方法已經逐漸被國際標準組織所接受。