2022 人工智能 智能字符識(shí)別技術(shù)規(guī)范

人工智能智能字符識(shí)別技術(shù)規(guī)范目??次前言 III范圍 1規(guī)范性引用文件 1術(shù)語(yǔ)和定義、縮略語(yǔ) 1術(shù)語(yǔ)和定義 1縮略語(yǔ) 2智能字符識(shí)別系統(tǒng)框架 2功能要求 3圖像采集 3圖像預(yù)處理 3文本檢測(cè) 3文本識(shí)別 4信息提取 4性能要求 4文本檢測(cè)性能要求 4文本識(shí)別性能要求 6測(cè)試方法 7測(cè)試流程 7確定系統(tǒng)質(zhì)量目標(biāo) 8構(gòu)建測(cè)試數(shù)據(jù)集 8搭建測(cè)試環(huán)境 9選擇測(cè)試指標(biāo) 9執(zhí)行測(cè)試步驟 9評(píng)價(jià)測(cè)試結(jié)果 9II人工智能智能字符識(shí)別技術(shù)規(guī)范范圍本文件確立了智能字符識(shí)別技術(shù)參考框架，規(guī)定了功能要求和性能要求，描述了對(duì)應(yīng)的測(cè)試方法。本文件適用于智能字符識(shí)別產(chǎn)品和服務(wù)的設(shè)計(jì)、開(kāi)發(fā)、應(yīng)用和測(cè)試評(píng)價(jià)。規(guī)范性引用文件（包括所有的修改單適用于本文件。GB/T5271.12—2000信息技術(shù)詞匯第12部分:外圍設(shè)備術(shù)語(yǔ)和定義、縮略語(yǔ)術(shù)語(yǔ)和定義GB/T5271.12—2000界定的以及下列術(shù)語(yǔ)和定義適用于本文件。3.1.1光學(xué)字符識(shí)別opticalcharacterrecognition一種字符識(shí)別，它使用光學(xué)手段鑒別圖形字符。[來(lái)源：GB/T5271.12—2000，12.01.53]3.1.2智能字符識(shí)別intelligentcharacterrecognition3.1.3文本檢測(cè)textdetection對(duì)圖像上字符（串）、文本行（列）位置進(jìn)行定位的過(guò)程。注：字符（串）包括數(shù)字，符號(hào)，英文，中文或其他語(yǔ)言文本。3.1.4文本識(shí)別textrecognition對(duì)圖像上字符（串）、文本行位置進(jìn)行識(shí)別的過(guò)程。注：字符（串）包括數(shù)字，符號(hào)，英文，中文或其他語(yǔ)言文本。3.1.51文本信息提取textinformationextraction對(duì)圖像上識(shí)別出的文本，進(jìn)行排序、合并、自然語(yǔ)言處理等操作，使其轉(zhuǎn)換為結(jié)構(gòu)化信息的過(guò)程?？s略語(yǔ)下列縮略語(yǔ)適用于本文件。AI：人工智能（artificialintelligence）BMP位圖（bitmap）GIF：圖像互換格式（graphicsinterchangeformat）ICR：智能字符識(shí)別（intelligentcharacterrecognition）JPEG：聯(lián)合圖像專(zhuān)家組（jointphotographicexpertsgroup）OCR：光學(xué)字符識(shí)別（opticalcharacterrecognition）PNG：便攜式網(wǎng)絡(luò)圖形（portablenetworkgraphics）PDF：可攜式文件格式(portabledocumentformat)TIFF：標(biāo)簽圖像文件格式（tagimagefileformat）WER：詞錯(cuò)誤率（worderrorrate）智能字符識(shí)別系統(tǒng)框架基于人工智能技術(shù)的字符識(shí)別系統(tǒng)框架見(jiàn)圖1。圖1智能字符識(shí)別系統(tǒng)框架ICR將給定圖像中的點(diǎn)或像素字符轉(zhuǎn)換為數(shù)字編碼信息，包括圖像獲取、圖像預(yù)處理、文本檢測(cè)、文本識(shí)別、信息提取五個(gè)模塊。圖像獲取模塊負(fù)責(zé)圖像、視頻截圖中圖像的讀取；文本檢測(cè)模塊負(fù)責(zé)對(duì)于給定圖像（包括原始圖像、圖像中間樣本等）進(jìn)行字符和文本行檢測(cè)；2功能要求圖像采集圖像采集功能應(yīng)符合以下要求：JPEG、GIF、PNG、TIFF、BMP、PDF128×128dpi～4096×4096dpi；圖像預(yù)處理對(duì)獲取到的圖像進(jìn)行預(yù)先處理，使圖像便于后續(xù)的檢測(cè)和識(shí)別符合以下要求：、增強(qiáng)圖像質(zhì)量，應(yīng)對(duì)圖像進(jìn)行幾何變換、畸變校正、修剪、數(shù)據(jù)格式轉(zhuǎn)換等操作；采用濾波、超分辨率等技術(shù)手段，在不破壞圖像邊緣、輪廓等原有細(xì)節(jié)的條件下對(duì)噪聲進(jìn)行抑制；文本檢測(cè)字符檢測(cè)在原始圖像或圖像中間樣本識(shí)別從預(yù)定義范圍的字符符合以下要求：應(yīng)支持設(shè)置待檢測(cè)字符類(lèi)型范圍，如：Unicode應(yīng)在檢測(cè)結(jié)果中包含字符在圖像中的位置信息；宜支持對(duì)所檢測(cè)圖像中的最小、最大字符大小的設(shè)置，如：8px～256px。文本行檢測(cè)對(duì)原始圖像或圖像中間樣本進(jìn)行文本行檢測(cè)符合以下要求：應(yīng)支持對(duì)所需檢測(cè)圖像分辨率的設(shè)置，如：128×128dpi～4096×4096dpi；3文本識(shí)別對(duì)圖片中的文本行檢測(cè)區(qū)域進(jìn)行定位后，對(duì)檢測(cè)區(qū)域內(nèi)文本內(nèi)容進(jìn)行識(shí)別，應(yīng)符合以下要求：對(duì)印刷文字和手寫(xiě)文字的識(shí)別；對(duì)字符、字母、混合語(yǔ)種中的文字內(nèi)容進(jìn)行識(shí)別；對(duì)數(shù)字、數(shù)學(xué)公式以及特殊符號(hào)的識(shí)別；16x16px32x32px；對(duì)方向有旋轉(zhuǎn)的文字，支持文字與水平軸＜±15°夾角偏轉(zhuǎn)；支持對(duì)如中、日、韓文等有比較多豎排文字呈現(xiàn)的文字識(shí)別。信息提取可對(duì)文本中的特定詞匯進(jìn)行糾錯(cuò)；可支持識(shí)別表格區(qū)域行列信息，并對(duì)表格區(qū)域結(jié)構(gòu)單元信息進(jìn)行恢復(fù)還原。性能要求文本檢測(cè)性能要求IoU)交并比是用來(lái)評(píng)價(jià)文本目標(biāo)框和文本預(yù)測(cè)框之間的重合度。計(jì)算公式如式1，............................................................................(1)式中：Bp——預(yù)測(cè)的矩形框區(qū)域；Bgt——標(biāo)注的矩形框區(qū)域。精確率（PR）精確度包括字符精確度、單詞精確度和字段精確度。其中：ICRICRICR（串（串正確檢測(cè)是指預(yù)測(cè)框與目標(biāo)框的IoU不小于0.5。.........................................................................（2）4式中：——精確率；C——正確檢測(cè)出的字符（串）框數(shù)量；M——檢測(cè)出的字符（串）框總數(shù)量。召回率（RR）（串框數(shù)量占圖像上真實(shí)存在的字符（串）框數(shù)量的比例。計(jì)算方法見(jiàn)公式3：..........................................................................（3）式中：——召回率；C——正確識(shí)別的字符（串）框數(shù)量；N——圖像上應(yīng)該被正確識(shí)別的字符（串）框總數(shù)量。FScoreFScore為精確率和召回率的調(diào)和平均,平衡因子（權(quán)重）取1。計(jì)算方法見(jiàn)公式4：...............................................................（4）式中：FScore——精確率和召回率的調(diào)和平均；β ——平衡因子，β=1時(shí)，精確率和召回率權(quán)重相同；——精確率；——召回率。APAP測(cè)度為在不同IoU閾值情況下，不同召回率下的平均精確率。以召回率RR為橫軸，精確率PR為縱軸，可以得到不同IoU閾值下的精確率-召回率曲線(xiàn)。通常，IoU閾值較低時(shí)，精度低,召回高，IoU閾值較高時(shí)，精度高,召回低，這樣可以得到一條類(lèi)似雙曲線(xiàn)的函數(shù)。之后對(duì)該曲線(xiàn)進(jìn)行平滑處理，即該曲線(xiàn)上的每一個(gè)點(diǎn)，精確率的值取該點(diǎn)右側(cè)最大的精確率的值。繪制出平滑后的精確率-召回率曲線(xiàn)后，取橫軸0-1的10等分點(diǎn)的精確率的值，計(jì)算其平均值作為最終AP測(cè)度的值，它的計(jì)算公式見(jiàn)公式5：...........................................................（5）式中：AP——不同召回率下的平均精確率；RR——召回率；——不同場(chǎng)景下文本檢測(cè)性能要求5電子/掃描、拍照、自然街景、網(wǎng)絡(luò)、多語(yǔ)音等場(chǎng)景下的文本檢測(cè)性能要求應(yīng)符合表1的要求。表1文本行檢測(cè)要求場(chǎng)景類(lèi)型場(chǎng)景描述精確率召回率FScoreAP電子/掃描使用數(shù)字格式或掃描得到帶有文本的圖像≥95%≥95%≥95%≥90%拍照使用相機(jī)拍照得到帶有文本的圖像≥90%≥90%≥90%≥85%自然街景使用自然街景中帶有文本的圖像≥70%≥75%≥70%≥65%網(wǎng)絡(luò)使用網(wǎng)絡(luò)獲取到帶有文本的圖像≥80%≥80%≥80%≥75%多語(yǔ)言使用多語(yǔ)言圖片中帶有文本的圖像≥70%≥60%≥60%≥55%文本識(shí)別性能要求精確率(PR)（串（串..........................................................................................（6）式中：——精確率；C——正確識(shí)別的字符（串）數(shù)量；M——識(shí)別的字符（串）總數(shù)量。注1：若引擎將兩個(gè)單詞之間的空格漏掉，則兩個(gè)單詞都算識(shí)別錯(cuò)誤。注2：字段中如有一個(gè)錯(cuò)誤識(shí)別的文字則整個(gè)字段算作識(shí)別錯(cuò)誤。編輯距離7：m11

Ds

s

..........................................（7）式中：Norm——N——文本行的總數(shù)；

N

i i i ii

——預(yù)測(cè)的文本內(nèi)容；——真實(shí)文本內(nèi)容；6xiii和i

Diii與i的編輯距離，描述了兩個(gè)字符串的相似度，定義為從一個(gè)字符串變換到另一個(gè)字符串所需要的最少操作數(shù)。例如，有一個(gè)字符串a(chǎn)='love',b='lolpe'.那么計(jì)算a和b的編輯距離，就是要算出從a變化到b需要經(jīng)過(guò)多少個(gè)步驟。love->lolvel)lolve->lolpev那么ab之間的編輯距離為2。詞錯(cuò)誤率詞錯(cuò)誤率（WordErrorRate，WER）是一種基于編輯距離的評(píng)價(jià)文本識(shí)別準(zhǔn)確率的指標(biāo)。而在評(píng)價(jià)文本，通常采用此錯(cuò)誤率，該指標(biāo)的定義為公式8：式中：

………..（8）EDITDIS(label,pred)——表示標(biāo)簽label與預(yù)測(cè)的結(jié)果pred之間的編輯距離；LENGTH(label)——表示標(biāo)簽的字符數(shù)。不同場(chǎng)景下文本識(shí)別性能要求印刷文字、手寫(xiě)文字等場(chǎng)景下的文本識(shí)別性能要求應(yīng)符合表2的要求。表2文本行識(shí)別要求場(chǎng)景類(lèi)型單字符精確率文本行精確率編輯距離印刷文字中文≥96%≥75%≥78%數(shù)字≥97%≥85%≥88%英文≥98%≥85%≥88%特殊字符≥95%≥85%≥88%手寫(xiě)文字簽名a、批注≥90%≥80%≥83%一般手寫(xiě)文字≥80%≥65%≥68%a字跡清晰、非藝術(shù)字體測(cè)試方法測(cè)試流程智能字符識(shí)別系統(tǒng)的測(cè)試流程見(jiàn)圖2。7圖2智能字符識(shí)別測(cè)試流程確定系統(tǒng)質(zhì)量目標(biāo)應(yīng)運(yùn)用以下步驟確定智能字符識(shí)別系統(tǒng)的質(zhì)量目標(biāo)：確定系統(tǒng)質(zhì)量目標(biāo)：根據(jù)系統(tǒng)的應(yīng)用場(chǎng)景和風(fēng)險(xiǎn)，確定智能字符識(shí)別系統(tǒng)的質(zhì)量目標(biāo)，包括：確定系統(tǒng)功能有效性、性能、兼容性、維護(hù)性、可移植性、訓(xùn)練數(shù)據(jù)集的質(zhì)量、對(duì)抗樣本的影響、對(duì)應(yīng)用場(chǎng)景數(shù)據(jù)的魯棒性、可解釋性、安全性的指標(biāo)要求；確定測(cè)評(píng)指標(biāo)評(píng)價(jià)的準(zhǔn)則。構(gòu)建測(cè)試數(shù)據(jù)集測(cè)試場(chǎng)景及對(duì)應(yīng)的測(cè)試數(shù)據(jù)集要求如下