Startseite
Podcasts
KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten Podcast
Wie funktioniert OCR? - Wie Maschinen Dokumente lesen

Wie funktioniert OCR? - Wie Maschinen Dokumente lesen

KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten vor 3 Wochen

0:00

6:42

Was passiert eigentlich, wenn ihr eine Rechnung abfotografiert
und ein System daraus automatisch Kundennummer und Betrag zieht?

Optical Character Recognition (OCR) ist dabei nur ein Schritt.
Moderne Dokumentenverarbeitung ist eine ganze Pipeline:
Bildvorverarbeitung, Texterkennung, Layout-Analyse,
Zeichenerkennung und schliesslich ein Transformer-Modell, das die
wahrscheinlichste Textsequenz bestimmt.

In dieser Folge von „KI kurz und informativ" erkläre ich, wie OCR
technisch funktioniert: warum CNNs und Vision Transformer dafür
eingesetzt werden, warum moderne Systeme nicht mehr Buchstabe für
Buchstabe lesen, sondern ganze Sequenzen und warum sich damit
zwar Fehler korrigieren lassen.

Themen dieser Folge:

Was OCR technisch macht

Von der Zeichen- zur Sequenzerkennung

Was Transformer damit zu tun haben

Warum synthetische Trainingsdaten bei OCR gut funktionieren

Die typische OCR-Pipeline

Schau gerne auch auf der neuen Website zum Podcast vorbei:

⁠⁠⁠⁠⁠https://podcast.pyucation.de⁠⁠⁠⁠

Dort findest du eine Übersicht über alle Folgen sowie die meist
gestellten Fragen schnell beantwortet.