识别营业执照首页图片中的文字信息，并以JSON格式返回识别的结构化结果。 道路运输证识别 识别道路运输证首页中的文字信息，并以JSON格式返回识别的结构化结果。 车牌识别 识别车牌图片中的车牌信息，并返回其坐标和内容。 名片识别 识别名片图片上的文字信息，并返回识别的结构化结果。支持对多种不同版式名片进行结构化信息提取。

查看更多 →

框选参照字段 在识别文字的过程中，套件会先对图片进行模板分类，再检查所识别图片与模板图片是否为同一种模板，并将识别图片校正后再提取结构化信息，支持图片平移、旋转与拉伸变换。 为了正确分类并校正待识别的图片，这就需要在模板图片中指定参照字段。通过参照字段的文字内容来判断识别图片属于哪一种

查看更多 →

，保证模型识别的准确性。 定义预处理 框选参照字段 在图片模板中框选参照字段，用于矫正图片的方向，进而在正确的方向上，识别图片中的结构化信息。对于多模板应用而言，参照字段还将用于区分不同的模板。 框选参照字段 框选识别区 在图片模板中框选识别区，确定模板图片中需要识别的文字位置。

查看更多 →

被用户标注为某个分类的所有样本中，模型正确预测为该分类的样本比率，反映模型对正样本的识别能力。 precision：精确率 被模型预测为某个分类的所有样本中，模型正确预测的样本比率，反映模型对负样本的区分能力。 accuracy：准确率 所有样本中，模型正确预测的样本比率，反映模型对样本整体的识别能力。

查看更多 →

被用户标注为某个分类的所有样本中，模型正确预测为该分类的样本比率，反映模型对正样本的识别能力。 precision：精确率 被模型预测为某个分类的所有样本中，模型正确预测的样本比率，反映模型对负样本的区分能力。 accuracy：准确率 所有样本中，模型正确预测的样本比率，反映模型对样本整体的识别能力。 f1：F1值

查看更多 →

确定发布 调整阈值 训练好的模型可以通过调整阈值，影响机器人直接回答的准确率。阈值越高，机器人越严谨，对用户问的泛化能力越弱，识别准确率越高；阈值越低，机器人越开放，对用户问的泛化能力越强，识别准确率越低。 针对历史版本的模型，可以根据当前模型调节直接返回答案的阈值。 在“模型管理”

查看更多 →

动识别图片所需使用的模板，从而支持从大量不同板式图像中提取结构化信息。 使用工作流开发应用流程 自定义OCR提供了单模板工作流和多模板工作流，您可以通过预置的工作流，自主构建文字识别模板，识别模板图片中的文字，提供高精度的文字识别模型，保证结构化信息提取精度。 图1 使用预置工作流开发应用

查看更多 →

培训内容 培训内容 说明 神经网络基础 介绍深度学习预备知识，人工神经网络，深度前馈网络，反向传播和神经网络架构设计 图像处理理论和应用 介绍计算机视觉概览，数字图像处理基础，图像预处理技术，图像处理基本任务，特征提取和传统图像处理算法，深度学习和卷积神经网络相关知识 语音处理理论和应用

查看更多 →

如何选取参照字段？ 参照字段是在所有图片中，文字位置和内容均不发生变化的文字。 参照字段有两个作用： 在单模板应用中，用于矫正识别图片，从而找准识别字段； 在多模板应用中，参照字段的内容和位置将作为相应模板的分类特征。 在框选参照字段时，首先要确保所框选的文字位置和内容都固定不变，如果

查看更多 →

在文字识别过程中，套件会检查所识别图片与模板图片是否为同一种模板，并将识别图片校正后再提取结构化信息，支持图片平移、旋转与拉伸变换。 为了检查并校正待识别的图片，这就需要在模板图片中指定参照字段。通过参照字段的文字内容来判断是否属于同一种模板，通过参照字段的位置来校正待识别图片。

查看更多 →

训练图像分类模型 完成图片标注后，可进行模型的训练。模型训练的目的是得到满足需求的图像分类模型。请参考前提条件确保已标注的图片符合要求，否则数据集校验将会不通过。 前提条件 请确保您的数据集中的已标注的图片不低于100张。 请确保您的数据集中至少存在2种以上的图片分类，且每种分类的图片不少于5张。

查看更多 →

文字识别套件 文字识别套件基于丰富的文字识别算法和行业知识积累，帮助客户快速构建满足不同业务场景需求的文字识别服务，实现多种版式图像的文字信息结构化提取。 文字识别套件当前提供了单模板工作流和多模板工作流，自主构建文字识别模板，识别模板图片中的文字，提供高精度的文字识别模型，保证结构化信息提取精度。

查看更多 →

优势 超级API 支持对各类卡证和票据的单张图像识别，也支持多种卡证票据的任意组合混贴场景的分类识别。 调用更加便捷 直接统一调用一个API即可完成对各种卡、证、票的识别，无需在调用时判断图像类型，也不用再对每种数据分别调用不同的API，降低了集成使用的复杂度。 价格更优惠 价格详情请参考OCR服务价格计算器。

查看更多 →

操作步骤 图1 多模板框选识别区 在“应用开发>框选参照字段”页面上方或者“选择模板”下拉框中选择模板，对每个模板图片进行预处理。 单击左上方操作图标，调整当前模板图片到合适大小。 单击框选操作图标，单击待识别文字的左上角，移动鼠标框选识别区，使得矩形框覆盖待识别的文字。 框选

查看更多 →

智能审核商家/用户上传图像，高效识别并预警不合规图片，防止涉黄、涉暴类图像发布，降低人工审核成本和业务违规风险。 场景优势如下： 准确率高：基于改进的深度学习算法，检测准确率高。 响应速度快：单张图像识别速度小于0.1秒。 网站论坛 不合规图片的识别和处理是用户原创内容（UGC）类网站的重点工作

查看更多 →

体相对单一的场景，将下图识别为汽车的图片。 图1 图像分类 物体检测是计算机视觉中的经典问题之一，其任务是用框去标出图像中物体的位置，并给出物体的类别。通常在一张图包含多个物体的情况下，定制识别出每个物体的位置、数量、名称，适合图片中有多个主体的场景，针对下图检测出图片包含树和汽车。

查看更多 →

文字，提供高精度的文字识别模型，保证结构化信息提取精度。 通用单模板工作流 通过构建文字识别模板，识别单个板式图片中的文字，提供高精度的文字识别模型，保证结构化信息提取精度。 多模板分类工作流 支持用户自定义多个文字识别模板，通过模型训练，自动识别图片所需使用的模板，从而支持从大量不同板式图像中提取结构化信息。

查看更多 →

介绍调用API的流程和注意事项。 商用 - 2017年11月 序号 功能名称 功能描述 阶段 相关文档 1 文字识别服务上线 文字识别（Optical Character Recognition，简称OCR）是指对图像文件的打印字符进行检测识别，将图像中的文字转换成可编辑的文本格式，以JSON格式返回识别结果。

查看更多 →

下文长度变化引起的偏移等。 多模板的前提： 分类器中的任一模板，均需满足上述单模板的要求。 模板种类固定，识别不在多模板中的图片可能会返回错误的结果或无法识别。 模板间有足够的区分度，不同模板要有不同的参照字段，且参照字段差异尽量明显，相似的参照字段容易导致分类错误。 模板数量可

查看更多 →

请提前充值，防止欠费带来的业务影响。 图1 服务开通 图2 服务充值 套餐包计费 进入文字识别控制台，确定需要开通的文字识别产品以及调用区域，单击购买套餐包按钮，进入选购页。 在选购页，选择您需要的套餐包类型、调用区域和套餐包规格。 单击立即购买，完成支付。 图3 购买套餐包 父主题：

查看更多 →

precision：精确率 被模型预测为某个分类的所有样本中，模型正确预测的样本比率，反映模型对负样本的区分能力。 accuracy：准确率 所有样本中，模型正确预测的样本比率，反映模型对样本整体的识别能力。 f1：F1值 F1值是模型精确率和召回率的加权调和平均，用于评价模型的好坏，当F1较高时说明模型效果较好。

查看更多 →