Jaký je rozdíl mezi OCR a ICR?

OCR (Optical Character Recognition) a ICR (Intelligent Character Recognition) jsou systémy využívané k vytěžování dat, což je klíčová část digitalizace. Tyto technologie umožňují získat text z obrázku dokumentu a dále s ním pracovat, například kopírovat, vyhledávat nebo analyzovat.

Oba systémy se podobají, hlavní rozdíl je však v jejich účelu: OCR je určen převážně pro tištěné dokumenty nebo text psaný na stroji, zatímco ICR je navrženo pro rozpoznávání ručně psaného textu. ICR je tedy rozšířenou a pokročilejší formou OCR. Systémy OCR dokážou rozpoznat ručně psaný text, ale přesnost je výrazně nižší než u ICR.

Jak fungují OCR a ICR systémy?

OCR: systém opticky rozpoznává znaky z obrázku dokumentu a pomocí algoritmů jim přiřadí odpovídající písmena. Následuje kontrola chyb – systém identifikuje znaky s nízkou pravděpodobností správného rozpoznání a využívá jazykové modely, které určují pravděpodobnost výskytu určitých kombinací písmen. OCR se často využívá například při vytěžování faktur.

ICR: pracuje na bázi neuronových sítí, což umožňuje systému učit se různé styly ručně psaného textu podle zkušeností a kontextu. Systém rozpozná charakteristický styl psaní jednotlivce, což zvyšuje přesnost při dalších stránkách. S každou anotovanou stránkou se zlepšuje kvalita rozpoznání a efektivita zpracování rukopisů.

Projekt InkCapture od EXON

Společnost EXON vyvíjí technologii pro vytěžování ručně psaného písma s využitím umělé inteligence. Projekt InkCapture je zaměřen na rozpoznávání ručně psaných dokumentů a efektivní vyhledávání v těchto textech.

Pro učení systému ICR se jednotlivé texty anotují, čímž se postupně umělá inteligence učí rozpoznávat ručně psané dokumenty různých typů. Na obrázku je například znázorněna identifikace textu a extrakce informací z rukopisu z roku 1917.