新手求助,关于飞桨ocr
收藏
小白问个问题哈,请问大家是如何区分ocr识别后的结果的,比如身份证ocr识别后,返回了身份证的信息,在一个list里面,有姓名,身份证号,地址等等,如何区分各个字符串的内容是什么,有没有相关的课程推荐下,我去学习学习
0
收藏
请登录后评论
这个最好指定一个规则，然后去匹配，或者采用NLP提取也可以实现
我现在用坐标匹配的 ,我看 ppstructure/vqa好像可以,不过不知道咋弄
几个方案，第一种就是上面讲到的，用规则。比如身份证信息长度是非常明确的，只要是多少位数字，就判定为身份证。姓名也很简单，一般……不会超过四个字吧？而地址明显字符长度就非常长了……
另一种方法还是上面同学说的，用NLP，比较专业的说法就是信息抽取，可以参考这个项目：基于PaddleNLP的快递单信息抽取-实体抽取 https://aistudio.baidu.com/aistudio/projectdetail/2463239
如果要额外标注的话，也可以考虑串一个检测模型，但是感觉实在是没有必要
当然有些场景不一定，比如电表检测，电表上文字非常多，但是实际上业务要的只是两个：电表读数和编号，那如果这样的话，可以微调下OCR模型里面的检测模型，然后再用规则把要的内容区分开来：https://aistudio.baidu.com/aistudio/projectdetail/511591