Τα έντυπα έγγραφα και τα σαρωμένα PDF αποθηκεύουν κείμενο ως pixel και όχι ως χαρακτήρες. Η οπτική αναγνώριση χαρακτήρων μετατρέπει αυτές τις εικόνες σε κείμενο αναγνώσιμο από μηχανήματα, ξεκλειδώνοντας την αναζήτηση, την επεξεργασία και την αυτοματοποιημένη επεξεργασία.

Τα πρώτα συστήματα αντιστοίχιζαν πρότυπα για μεμονωμένες γραμματοσειρές. Τα σύγχρονα συστήματα χρησιμοποιούν νευρωνικά δίκτυα εκπαιδευμένα σε εκατομμύρια εικόνες κειμένου. Χειρίζονται χειρόγραφα, ασύμμετρες σαρώσεις και μικτές διατάξεις πολύ καλύτερα από τους προκατόχους τους.

Κοινές εφαρμογές OCR

• Ψηφιοποίηση ιστορικών αρχείων
• Επεξεργασία τιμολογίων και αποδείξεων
• Πινακίδες κυκλοφορίας ανάγνωσης
• Μεταφράζοντας πινακίδες από φωτογραφίες
• Προσβασιμότητα για σαρωμένα έγγραφα

Η ακρίβεια εξαρτάται από την ποιότητα της εικόνας. Οι θολές σαρώσεις, οι ασυνήθιστες γραμματοσειρές και η χαμηλή αντίθεση υποβαθμίζουν τα αποτελέσματα. Η μετεπεξεργασία με γλωσσικά μοντέλα διορθώνει πολλά σφάλματα, αλλά η τέλεια εξαγωγή παραμένει ασαφής σε δύσκολες εισόδους.