基于多个 OCR 软件包的输出改进 OCR 结果的软件

Question

是否有已经存在的商业或学术软件可以

• 来自多个 OCR 包（Abbyy FineReader、Adobe Acrobat Professional、ReadIris 等）的叠加结果
• 根据从多个来源积累的知识提供全自动改进
• 允许在运行时使用额外的外部工具设置（字典、批处理网络/本地语料库查找等）

?

注意：我已经有内部解决方案来可视化来自单一来源的结果，所以如果没有这样的软件可用，我不介意开发自己的 :) 查询合作将也很受欢迎！
_{（来源：sourceforge.net）}

Answer 1

在多个 OCR 引擎之间使用投票的想法并不新鲜。问题是它并没有真正起作用。如果它们本质上是正交的简单分类器，那么可能会起作用，那么您将结合他们的投票并改善结果。但它们都是非常复杂的软件，使用非常相似的一组众所周知的方法，差异很小，但可能以不同的方式组合它们，有些实现更好，有些更差。

经验表明，当您结合多种 OCR 技术时，最佳决策规则是依赖最准确的一种结果，而忽略其他技术。根据我的经验（我为 ABBYY 工作），ABBYY OCR 绝对是您提到的最准确的。

据我所知，使用投票的唯一原因是当您需要交叉检查“可疑”字符并将其发送到手动验证（如果需要 100% 准确度）时。使用这种方法，您可以增加要验证的字符数，但会减少错过错误字符的可能性。

Answer 2

我以前曾使用过两个选项，并且会推荐。

1. PrimeOCR。 http://www.primerecognition.com/

这是一种商业产品，它使用多个 OCR 引擎和投票来确定最佳结果。它只是机器打印。上次我使用它时，他们有 6 个引擎。联系亚历克斯·达尔。

我在一个大型项目中使用它，每天扫描 20,000 多页。

1. 来自 OpenText 的 RecoStar。

RecoStar 使用投票，可以做手印和机器打印。