作者：Softnautics 市場(chǎng)營(yíng)銷總監(jiān)Prasant Agarwal

解決方案總監(jiān) Ranganathan SK

文本是人類最具智慧、最有影響力的創(chuàng)造之一。文本中所蘊(yùn)含的豐富、精確的高級(jí)語(yǔ)義可以幫助我們理解周遭世界，并用于構(gòu)建可部署在真實(shí)環(huán)境中的自主運(yùn)行解決方案。因此，自然環(huán)境下的自動(dòng)文本讀取，也稱為場(chǎng)景文本檢測(cè)/識(shí)別或 Photo OCR（Optical Character Recognition，光學(xué)字符識(shí)別），已成為計(jì)算機(jī)視覺(jué)領(lǐng)域中關(guān)注度和重要性日益提高的研究課題。

隨著人類語(yǔ)言書(shū)寫(xiě)形式的演進(jìn)，已經(jīng)發(fā)展出數(shù)千種獨(dú)特的字體系。再加上大小寫(xiě)（大寫(xiě)/小寫(xiě)/全大全小/小型大寫(xiě)）、斜體（意大利體/羅馬體）、縮放體（橫向縮放）、粗細(xì)、指定大小（顯示/文本）、波痕體、襯線（總體分為襯線體和無(wú)襯線體），這一數(shù)量可以擴(kuò)充到數(shù)百萬(wàn)，使得文本識(shí)別成為機(jī)器學(xué)習(xí)領(lǐng)域中一個(gè)振奮人心的專業(yè)學(xué)科。

為什么賽靈思技術(shù)成為開(kāi)發(fā) OCR 解決方案的不二之選？

如今，賽靈思豐富多樣的強(qiáng)大平臺(tái)已為 70% 的新開(kāi)發(fā)提供支持，引領(lǐng)著基于 FPGA 系統(tǒng)的設(shè)計(jì)發(fā)展趨勢(shì)。Softnautics 之所以選擇賽靈思技術(shù)來(lái)實(shí)現(xiàn)這個(gè)解決方案，是因?yàn)樗瑫r(shí)集成了 Vitis AI 堆棧和強(qiáng)大的硬件功能。

賽靈思 Vitis 是一款免費(fèi)、開(kāi)源的開(kāi)發(fā)平臺(tái)，可將硬件模塊封裝成軟件可調(diào)用功能，同時(shí)與標(biāo)準(zhǔn)的開(kāi)發(fā)環(huán)境、工具和開(kāi)源庫(kù)兼容。它能夠根據(jù)軟件和算法自動(dòng)適配賽靈思硬件，無(wú)需具備 VHDL 或 Verilog 專業(yè)知識(shí)。

選擇正確的賽靈思平臺(tái)

綜合全面且豐富多樣的賽靈思工具集和生態(tài)系統(tǒng)使原型設(shè)計(jì)成為高度可預(yù)測(cè)的過(guò)程，這有助于加快解決方案的開(kāi)發(fā)速度，從而將總體開(kāi)發(fā)時(shí)間縮短高達(dá) 70%。

Softnautics 選擇賽靈思 Ultrascale+ 平臺(tái)是因?yàn)樗峁┝俗顑?yōu)秀的應(yīng)用處理和 FPGA 加速功能。此外，它還提供了優(yōu)異的高層次綜合（HLS）功能。與此前的平臺(tái)相比，系統(tǒng)級(jí)單位功耗性能提高了 4 倍。它支持賽靈思 Vitis AI，后者為使用加速庫(kù)構(gòu)建 AI 推斷提供了廣泛功能。

Softnautics 采用了賽靈思 Vitis AI 堆棧并運(yùn)用該軟件提供加速，開(kāi)發(fā)出混合應(yīng)用，同時(shí)實(shí)現(xiàn)了 LSTM 功能，通過(guò)將 TensorFlow-lite 移植/遷移到 ARM 進(jìn)行有效的序列預(yù)測(cè)。它使用 N2Cube 軟件在處理側(cè)（PS）運(yùn)行。圖像預(yù)處理/后處理通過(guò) Vivado 使用 HLS 實(shí)現(xiàn)，而 Vitis 的作用是使用連接文本提議網(wǎng)絡(luò)（CTPN）完成推斷。最終，Softnautics 將該解決方案用于視頻流水線中的實(shí)時(shí)場(chǎng)景文本檢測(cè)，并使用可靠的數(shù)據(jù)集對(duì)模型進(jìn)行改進(jìn)。

場(chǎng)景文本檢測(cè)

目前已有多種實(shí)現(xiàn)方案可供使用，新的實(shí)現(xiàn)方案也在研究中。在自然場(chǎng)景進(jìn)行文本檢測(cè)和識(shí)別時(shí)，仍然可能會(huì)遇到一系列的艱巨挑戰(zhàn)。與文檔中的腳本相比，自然場(chǎng)景下的檢測(cè)和識(shí)別困難主要源于以下三大差異：

語(yǔ)言、顏色、字體、大小、方向等造成的多樣化和可變性 書(shū)寫(xiě)文本的背景色彩鮮艷 場(chǎng)景文本的縱橫比和布局可能會(huì)有很大的不同

這種解決方案廣泛適用于要求對(duì)視頻流進(jìn)行實(shí)時(shí)文本檢測(cè)的眾多領(lǐng)域，具有較高的精確度和快速識(shí)別能力。部分典型應(yīng)用領(lǐng)域如：
泊車驗(yàn)證 — 一些市鎮(zhèn)按照城市規(guī)定正在使用移動(dòng) OCR 自動(dòng)驗(yàn)證車輛是否按照市鎮(zhèn)規(guī)定泊車。城市泊車檢查員使用配備有 OCR 功能的移動(dòng)設(shè)備掃描車輛牌照，并通過(guò)在線數(shù)據(jù)庫(kù)查看是否允許該車輛泊車。 移動(dòng)文檔掃描 — 各種移動(dòng)應(yīng)用允許用戶為文檔拍照，然后將其轉(zhuǎn)換成文本。與采用傳統(tǒng)的文檔掃描儀相比，這種 OCR 工作的難度更大，因?yàn)檎掌趫D像角度、光照條件和文本質(zhì)量方面往往無(wú)法預(yù)測(cè)。 數(shù)字資產(chǎn)管理 — 該軟件有助于對(duì)圖像、視頻和動(dòng)畫(huà)等富媒體資產(chǎn)進(jìn)行組織管理。DAM 系統(tǒng)的主要特征之一就是能搜索富媒體。通過(guò)在上傳的圖像和視頻幀上運(yùn)行 OCR，DAM 能讓富媒體變得可搜索，并使用有意義的標(biāo)簽豐富它。

Softnautics 團(tuán)隊(duì)一直深耕基于賽靈思 FPGA 的解決方案，在賽靈思技術(shù)方面積累了豐富的經(jīng)驗(yàn)，并深刻理解各種復(fù)雜性。因此，該公司僅用不到四個(gè)星期便推動(dòng)這一解決方案從構(gòu)思到概念驗(yàn)證的飛速進(jìn)展。依托公司針對(duì)端到端解決方案構(gòu)建的專業(yè)知識(shí)，您能夠在賽靈思平臺(tái)上借助最快速的概念實(shí)現(xiàn)服務(wù)，可視化您的構(gòu)想，大幅加快上市進(jìn)程。

原文標(biāo)題：智能 OCR 解決方案使用 Xilinx Ultrascale+ 和 Vitis AI 進(jìn)行開(kāi)發(fā)

文章出處：【微信公眾號(hào)：FPGA開(kāi)發(fā)圈】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯：haq