作者：Softnautics市场营销总监PrasantAgarwal解决方案总监RanganathanSK文字是人类中最聪明的人，最有影响力的创造之一。文本中包含的丰富而精确的高级语义可以帮助我们了解周围的世界，并可以用来构建可以在实际环境中部署的自主操作解决方案。因此，在自然环境中的自动文本阅读，也称为场景文本检测/识别或PhotoOCR（光学字符识别，光学字符识别），已成为计算机视觉领域越来越受到关注和重视的研究课题。随着人类语言写作的发展，已经开发了数千种独特的字符系统。加上大写（大写/小写/小写/小写），斜体（意大利语/罗马），缩放（水平缩放），粗细，指定大小（显示/文本），波浪字体，衬线（总计分为衬线和无底线）衬线）。这个数字可以扩展到数百万，使文本识别成为机器学习领域中令人兴奋的专业主题。为什么Xilinx技术是开发OCR解决方案的最佳选择？如今，赛灵思丰富多样的强大平台已为70％的新开发提供了支持，引领了基于FPGA的系统设计的发展趋势。 Softnautics选择Xilinx技术来实现此解决方案，因为它集成了VitisAI堆栈和强大的硬件功能。 Xilinx Vitis是一个免费的开源开发平台，可以将硬件模块封装到软件可调用的功能中，并且与标准开发环境，工具和开源库兼容。它可以根据软件和算法自动适应Xilinx硬件，而无需VHDL或Verilog专业知识。选择合适的Xilinx平台。全面而多样的Xilinx工具集和生态系统使原型设计成为一个高度可预测的过程，从而有助于加快解决方案的开发速度，并将总体开发时间减少多达70％。 Softnautics选择Xilinx Ultrascale +平台是因为它提供了最佳的应用程序处理和FPGA加速功能。此外，它还提供了出色的高级集成（HLS）功能。与以前的平台相比，系统级单位功耗性能提高了4倍。它支持Xilinx VitisAI，后者提供了广泛的功能来使用加速库来构建AI推理。 Softnautics采用了Xilinx VitisAI堆栈，并使用该软件提供加速功能，开发了混合应用程序，并同时实现了LSTM功能，并通过将TensorFlow-lite移植/移植到ARM进行了有效的序列预测。它使用N2Cube软件在处理端（PS）上运行。图像预处理/后处理由Vivado使用HLS实现，Vitis的作用是使用连接文本提案网络（CTPN）来完成推理。最后，Softnautics将解决方案用于视频管道中的实时场景文本检测，并使用可靠的数据集来改进模型。场景文本检测当前具有多种可用的实现方案，并且新的实现方案也正在研究中。在自然场景中执行文本检测和识别时，仍然可能会遇到一系列艰巨的挑战。与文档中的脚本相比，自然场景中的检测和识别困难主要是由于以下三个差异：语言，颜色，字体，大小，方向等导致的多样性和可变性。书面文本的背景颜色是明亮的，场景文本是长宽比，布局可能会有很大的不同。该解决方案已广泛用于需要实时检测视频流文本，具有高精度和快速识别功能的许多领域。一些典型的应用领域是：停车验证-一些城镇正在根据城市法规使用移动式OCR来自动验证车辆是否已按照城镇法规进行停车。城市停车检查员使用配备了OCR的移动设备扫描车辆的车牌，并通过在线数据库检查是否允许车辆停车。移动文档扫描-各种移动应用程序允许用户拍摄文档照片，然后将其转换为文本。与传统的文档扫描仪相比，此OCR工作更加困难，因为照片通常在像角，照明条件和文本质量方面无法预测。数字资产管理-该软件有助于组织和管理富媒体资产，例如图像，视频和动画。 DAM系统的主要功能之一是能够搜索富媒体。通过在上传的图像和视频帧上运行OCR，DAM可以使富媒体可搜索并以平均