tongchenkeji 发表于：2023-7-15 19:16:220次点击 已关注取消关注 关注 私信 请问文字识别OCR识别表格的话，准备用的是自学习的表格模型，表格中有勾选框，应该怎么去识别？[阿里云OCR] 暂停朗读为您朗读 请问文字识别OCR识别表格的话，准备用的是自学习的表格模型，表格中有勾选框，应该怎么去识别？ 「点点赞赏，手留余香」 赞赏 还没有人赞赏，快来当第一个赞赏的人吧！ 海报 印刷文字识别# 文字识别1940
wljslmzAM 2023-11-28 3:47:49 1 若您准备使用自学习的表格模型进行阿里云文字识别OCR服务中的表格识别，并且表格中含有勾选框，您可以考虑以下方法进行识别： 自定义勾选框识别：使用自学习的表格模型，可以自定义识别规则，将勾选框识别为特定的标志或字符。在训练模型时，您可以标注勾选框对应的区域，并将其与相应的标记或字符进行关联，以便在识别时能够正确识别勾选框的状态。 预处理方式：在进行表格识别之前，可以对表格进行预处理。通过图像处理技术，可以尝试将勾选框进行二值化、边缘检测或形态学操作，以便更好地区分勾选框的位置和状态。 后期处理：在进行表格识别后，根据勾选框的位置信息，可以进一步进行后期处理。例如，可以使用图像处理和机器学习算法判断勾选框的状态，或者根据识别结果和其他上下文信息来确定勾选框的选中状态。
六月的雨在钉钉AM 2023-11-28 3:47:49 3 您好，目前来看文字识别OCR 不支持勾选框的识别的，文字识别OCR主要是针对于图片中的内容信息识别为可编辑的文本，对于符号类的识别能力有限。
魏红斌AM 2023-11-28 3:47:49 4 表格信息抽取是基于深度学习的信息抽取自学习模型任务，可对版式相对固定的表格、表单的等类型数据有较好的效果，支持用户自定义抽取字段，通过平台可视化引导，完成数据标注和模型训练。https://help.aliyun.com/document_detail/603351.html?spm=a2c4g.603350.0.i2 在图像质量较好情况下，通过100+训练样本标注，调优后模型识别准确率可超95%+。
牧羊吖AM 2023-11-28 3:47:49 5 阿里云文字识别OCR支持使用自学习的表格模型进行表格识别，包括勾选框的识别。以下是一般的步骤： 准备训练数据：将包含勾选框的表格图片作为训练数据，并按照阿里云要求的格式进行标注，标注勾选框的位置信息。 创建表格识别模型：在阿里云控制台中选择文字识别OCR服务，进入表格识别模型管理页面，按照指引创建自学习的表格模型，上传并训练准备好的训练数据。 调用接口进行识别：使用创建好的表格模型，调用文字识别OCR的接口，传入待识别的表格图片，接口会返回识别结果，包括勾选框信息。 需要注意的是，自学习的表格模型对于不同类型的表格可能需要调优，您可以根据实际情况进行训练和调整模型参数，以提高勾选框的识别准确率。
算精通AM 2023-11-28 3:47:49 6 如果表格中包含勾选框，您可以考虑使用OCR技术结合图像处理技术进行识别。 一种常见的方法是使用模板匹配技术，即根据勾选框的位置和形状，对表格图像进行模板匹配，以确定勾选框的位置和状态。具体步骤如下： 提取勾选框区域：根据表格的结构和布局，确定勾选框所在的区域，并进行图像分割和二值化处理，提取出勾选框区域的二值图像。 生成勾选框模板：根据勾选框的形状和大小，生成勾选框的模板图像。可以使用图像处理库，例如OpenCV，在勾选框区域中提取特征点并进行特征描述，生成勾选框的特征向量，并根据特征向量生成勾选框的模板图像。 进行模板匹配：将生成的勾选框模板应用于表格图像中，进行模板匹配，以确定勾选框的位置和状态。可以使用图像处理库，例如OpenCV，在表格图像中进行滑动窗口匹配，计算勾选框区域与模板图像的相似度，并确定勾选框的位置和状态。
Star时光AM 2023-11-28 3:47:49 7 要识别包含勾选框的表格，您可以考虑以下方法： 预处理和图像增强：在应用OCR之前，对图像进行预处理和增强。这包括调整图像的清晰度、对比度和亮度等参数，以提高勾选框的可见性。 检测和定位勾选框：使用计算机视觉技术，如边缘检测、轮廓检测、模板匹配等，来检测和定位勾选框的位置。可以基于形状、颜色或其他特征来识别勾选框。 训练自定义模型：如果通用OCR服务无法满足需求，可以考虑使用自定义模型来识别勾选框。通过收集并标记带有勾选框的样本数据，并使用深度学习、卷积神经网络（CNN）等技术进行训练，以构建专门针对勾选框的OCR模型。 结合文本识别：除了勾选框外，还需要对表格中的文本进行识别。将文本识别和勾选框识别结合起来，可以实现对表格内容的完整识别。 后处理和结果校验：在完成识别后，进行后处理和结果校验，确保识别结果的准确性。例如，可以检查勾选框的状态（勾选/未勾选），并对识别的文本进行格式化和验证。 请注意，这些方法中的每一步都可能需要针对您的具体需求进行调整和优化，取决于表格的结构、复杂性和数据质量等因素。
若您准备使用自学习的表格模型进行阿里云文字识别OCR服务中的表格识别，并且表格中含有勾选框，您可以考虑以下方法进行识别：
自定义勾选框识别：使用自学习的表格模型，可以自定义识别规则，将勾选框识别为特定的标志或字符。在训练模型时，您可以标注勾选框对应的区域，并将其与相应的标记或字符进行关联，以便在识别时能够正确识别勾选框的状态。
预处理方式：在进行表格识别之前，可以对表格进行预处理。通过图像处理技术，可以尝试将勾选框进行二值化、边缘检测或形态学操作，以便更好地区分勾选框的位置和状态。
后期处理：在进行表格识别后，根据勾选框的位置信息，可以进一步进行后期处理。例如，可以使用图像处理和机器学习算法判断勾选框的状态，或者根据识别结果和其他上下文信息来确定勾选框的选中状态。
我们输出的是文字信息， 暂时不支持这个勾选☑️框。
此回答整理自钉群“【官方】阿里云OCR公共云客户交流群”。
您好，目前来看文字识别OCR 不支持勾选框的识别的，文字识别OCR主要是针对于图片中的内容信息识别为可编辑的文本，对于符号类的识别能力有限。
表格信息抽取是基于深度学习的信息抽取自学习模型任务，可对版式相对固定的表格、表单的等类型数据有较好的效果，支持用户自定义抽取字段，通过平台可视化引导，完成数据标注和模型训练。https://help.aliyun.com/document_detail/603351.html?spm=a2c4g.603350.0.i2
在图像质量较好情况下，通过100+训练样本标注，调优后模型识别准确率可超95%+。
阿里云文字识别OCR支持使用自学习的表格模型进行表格识别，包括勾选框的识别。以下是一般的步骤：
准备训练数据：将包含勾选框的表格图片作为训练数据，并按照阿里云要求的格式进行标注，标注勾选框的位置信息。
创建表格识别模型：在阿里云控制台中选择文字识别OCR服务，进入表格识别模型管理页面，按照指引创建自学习的表格模型，上传并训练准备好的训练数据。
调用接口进行识别：使用创建好的表格模型，调用文字识别OCR的接口，传入待识别的表格图片，接口会返回识别结果，包括勾选框信息。
需要注意的是，自学习的表格模型对于不同类型的表格可能需要调优，您可以根据实际情况进行训练和调整模型参数，以提高勾选框的识别准确率。
如果表格中包含勾选框，您可以考虑使用OCR技术结合图像处理技术进行识别。
一种常见的方法是使用模板匹配技术，即根据勾选框的位置和形状，对表格图像进行模板匹配，以确定勾选框的位置和状态。具体步骤如下：
提取勾选框区域：根据表格的结构和布局，确定勾选框所在的区域，并进行图像分割和二值化处理，提取出勾选框区域的二值图像。
生成勾选框模板：根据勾选框的形状和大小，生成勾选框的模板图像。可以使用图像处理库，例如OpenCV，在勾选框区域中提取特征点并进行特征描述，生成勾选框的特征向量，并根据特征向量生成勾选框的模板图像。
进行模板匹配：将生成的勾选框模板应用于表格图像中，进行模板匹配，以确定勾选框的位置和状态。可以使用图像处理库，例如OpenCV，在表格图像中进行滑动窗口匹配，计算勾选框区域与模板图像的相似度，并确定勾选框的位置和状态。
要识别包含勾选框的表格，您可以考虑以下方法：
预处理和图像增强：在应用OCR之前，对图像进行预处理和增强。这包括调整图像的清晰度、对比度和亮度等参数，以提高勾选框的可见性。
检测和定位勾选框：使用计算机视觉技术，如边缘检测、轮廓检测、模板匹配等，来检测和定位勾选框的位置。可以基于形状、颜色或其他特征来识别勾选框。
训练自定义模型：如果通用OCR服务无法满足需求，可以考虑使用自定义模型来识别勾选框。通过收集并标记带有勾选框的样本数据，并使用深度学习、卷积神经网络（CNN）等技术进行训练，以构建专门针对勾选框的OCR模型。
结合文本识别：除了勾选框外，还需要对表格中的文本进行识别。将文本识别和勾选框识别结合起来，可以实现对表格内容的完整识别。
后处理和结果校验：在完成识别后，进行后处理和结果校验，确保识别结果的准确性。例如，可以检查勾选框的状态（勾选/未勾选），并对识别的文本进行格式化和验证。
请注意，这些方法中的每一步都可能需要针对您的具体需求进行调整和优化，取决于表格的结构、复杂性和数据质量等因素。