gydtep

STR算法发展主要历程
场景文字识别（STR）的发展大致可以分为两个阶段，以2012年为分水岭，分别是传统图像算法阶段和深度学习算法阶段。

gydtep

文本识别从单字检测识别发展到文本序列识别，目前序列识别主要又分为基于CTC的方法[4]和基于Attention的方法[5]。

gydtep

并通过文本的分割结果生成最小外接凸包用于后续的识别计算。

gydtep

单字检测识别的训练样本组织和模型训练相对容易，不被文字排版的顺序影响。缺点在某些"上下结构"，"左右结构"的汉字容易检测识别错误。

gydtep

同时不同采集来源的图像中文本的尺度变化较大，模糊遮挡的情况也各不相同。

gydtep

文本行识别高置信占比：表示识别结果中的高置信度部分（准确率大于99%）在所有文本行的占比。

gydtep

单字检测采用Faster R-CNN的方法，检测效果满足业务场景需求。

gydtep

文本序列识别模型目前已覆盖英文、中文一级字库和常用的繁体字字库，对于艺术文本、模糊文本具有较好的识别性能。

gydtep

高德文字识别算法通过对算法结构的打磨，和多识别结果的融合，满足不同使用场景的现实需要。

gydtep

POI数据中超过70%的数据都是由机器自动化生成上线，超过90%的道路信息数据通过自动化更新。