KHÁM PHÁ / THUẬT NGỮ · AI và vận hành

OCR (nhận dạng chữ)

Optical Character Recognition

Kỹ thuật cho máy đọc chữ trong ảnh chụp hay bản scan rồi đổi thành chữ thật, để tìm kiếm, bôi đen và chép được như văn bản gõ máy.

OCR (nhận dạng ký tự quang học) nhận vào một ảnh, tìm các vùng có chữ, tách thành dòng và từ, rồi đoán từng ký tự. Các bộ OCR hiện nay như Tesseract dùng mạng nơ-ron LSTM đọc cả dòng chữ một lượt, kèm dữ liệu huấn luyện riêng cho từng ngôn ngữ, ví dụ vie cho tiếng Việt.

Kết quả thường được ghép vào PDF dưới dạng một lớp chữ ẩn nằm đúng chỗ chữ trên ảnh: người đọc vẫn thấy ảnh trang giấy gốc, nhưng tìm kiếm, bôi đen và chép được chữ.

OCR có thể đọc sai, nhất là chữ mờ, chữ nhỏ, chữ viết tay và dấu tiếng Việt trên chữ in hoa. Chữ chép ra từ bản scan cần được soát lại với bản gốc trước khi dùng trong văn bản chính thức.

Nguồn tham khảo

Xuất hiện trong bài

Định nghĩa do AI biên soạn từ các nguồn trên, tác giả duyệt. Đây là thông tin tham khảo, không phải tư vấn pháp lý hay đầu tư. Thấy chỗ chưa đúng? Hãy góp ý để tác giả sửa.