Nota video

Teks penuh video

Kalau kau nak mesin baca tulisan tangan, suruh je robot tekap satu stensil huruf cetak atas setiap contengan, piksel demi piksel, sambil harap semua orang menulis secantik mesin taip! Tapi gambar kertas yang kau tangkap selalunya senget, berbayang dan penuh bintik kotor! Jadi, sebelum membaca, imej itu ditukar jadi hitam putih melalui binarization, bintik dibuang, dan kertas diluruskan semula.

Ini namanya prapemprosesan imej. Tapi satu halaman penuh dengan gambar, garisan dan ruang kosong sampai robot tak tahu mana satu tulisan! Jadi, model computer vision mengimbas halaman lalu melukis kotak di sekeliling setiap baris dan perkataan, kemudian memotongnya satu persatu.

Ini namanya pengesanan teks. Tapi huruf A tulisan kau dan tulisan kawan kau boleh nampak sangat berbeza, stensil tetap takkan padan! Jadi, rangkaian neural dilatih dengan jutaan contoh tulisan tangan supaya ia belajar sendiri ciri penting seperti garis, lengkung dan bucu, bukan bentuk tepat.

Ini namanya convolutional neural network. Tapi tulisan berangkai menyambung semua huruf sampai tak boleh dipotong satu demi satu! Jadi, model el es ti em membaca seluruh perkataan dari kiri ke kanan sebagai satu jujukan sambil mengingati huruf sebelumnya, dan teknik si ti si menyusun hasilnya tanpa perlu potongan tepat.

Enjin Tesseract pun guna cara ini sejak versi empat. Ini namanya pengecaman jujukan. Tapi mesin masih keliru antara huruf O dengan nombor kosong, atau huruf L kecil dengan nombor satu!

Jadi, hasil bacaan disemak dengan kamus dan model bahasa yang memilih perkataan paling munasabah ikut ayat sekeliling. Ini namanya pembetulan pascapemprosesan. Jadi itulah o si ar, atau Optical Character Recognition.

Imej dibersihkan, teks dikesan, ciri dipelajari, jujukan dibaca, dan akhirnya disemak dengan model bahasa, sampai contengan tangan jadi teks digital yang boleh dicari dan disunting. Itulah sebabnya telefon kau boleh imbas resit dan nota dalam sekelip mata. Lepas ni nak belajar apa pula?

Siri Teknologi dan AI dalam animasi 3D LEGO (V916-019) oleh KongsikanDotCom. Tonton lagi di