A papíralapú dokumentumok és a beolvasott PDF-ek pixelként, nem karakterként tárolják a szöveget. Az optikai karakterfelismerés géppel olvasható szöveggé alakítja ezeket a képeket, lehetővé téve a keresést, a szerkesztést és az automatizált feldolgozást.

A korai rendszerek az egyes betűtípusokhoz illesztettek sablonokat. A modern rendszerek több millió szövegképen betanított neurális hálózatokat használnak. Sokkal jobban kezelik a kézírást, a ferde szkennelést és a vegyes elrendezéseket, mint elődeik.

Gyakori OCR-alkalmazások

• Történeti archívumok digitalizálása
• Számlák és nyugták feldolgozása
• Rendszámtáblák leolvasása
• Jelek fordítása fotókról
• A szkennelt dokumentumok akadálymentesítése

A pontosság a képminőségtől függ. Az elmosódott beolvasások, a szokatlan betűtípusok és az alacsony kontraszt mind rontják az eredményeket. A nyelvi modellekkel végzett utófeldolgozás számos hibát kijavít, de a tökéletes kinyerés továbbra sem elérhető a nehéz bemeneti adatok esetében.