楔子
在研究工作者的學習工作過程中，都會遇到圖表解析分類的問題，也就繞不開OCR這項關鍵技術。當你需要進行研報整理或論文編撰，首先需要參考市場中的主流研報、論文或智庫報告。在參考源中，數據素材絕大多數都是圖片或pdf格式，人工復用謄寫緩慢，容易出錯，也因此大家都會對OCR技術產生強烈需求。
OCR技術發展歷程
OCR是光學字符識別(Optical Character Recognition)技術的縮寫，指利用機器將圖像中手寫體或印刷體的文本轉換為計算機可以直接處理的格式。作為計算機視覺領域的重要分支，OCR典型應用是通過圖像文字識別實現信息錄入。
在過往40餘年的技術發展歷程中，OCR始終具備很強的產業應用背景，是計算機領域裏少數幾個一開始就由工業界和學術界雙輪驅動的領域。近年來OCR技術已經在工業界成熟落地應用，學術界里對此的研究熱度反而弱於其他方向。甚至有人認為OCR技術已經充分成熟，沒有更多研究必要了。
然而隨着近年來智能文本處理IDP(Intelligent Docume-nt Processing)在工業界的逐步落地應用，OCR和IDP相結合的應用場景越來越多，用語義理解NLP的角度進一步去延伸OCR的應用，出現了很多更有產業應用價值的場景。
隨着人類工業擴散與信息技術不斷發展，深度學習理論獲得突破性進展，刺激商業及民用需求隨着移動互聯網普及快速爆發。在「智能手機+深度學習」這兩個因素共同助推下，近年來OCR技術的研發迎來了三個新的熱點方向，分別是：
Ⅰ- OCR與智能文本處理（IDP）相結合，進行無固定格式文檔的語義理解和結構化解析，不僅識別文字本身，而且理解文字的版面、結構、表格元素、段落內容等，從而完成對文本要素信息的還原和結構化抽取工作，並用於智能文檔審閱處理等場景。
Ⅱ- OCR與專業領域的符號識別相結合，如數學公式符號、物理公式、化學分子結構圖、建築圖紙等等，實現專業領域的應用，如拍圖搜題，圖紙審核等場景。
Ⅲ- OCR與開放場景的文字識別相結合（常稱為STR，Scene Text Recognition），例如路牌、店面招牌、商標文字、戶外廣告識別等，用於交通、戶外消費、自動駕駛等場景。
用戶使用痛點簡析
目前，主流OCR軟件有網頁端與客戶端兩種方式，主要按次數收費，影響使用體驗的問題主要有：
1、OCR識別無法覆蓋完整圖片。當OCR解析圖表時，圖表中心區域佔據主要篇幅，解析精度高，而標題，底標等內容經常亂碼，對於研究員撰寫研報，復用圖表產生阻礙；
2、OCR識別結果需要本地存儲，且需要人工歸類。對於深度研報或論文撰寫過程中需要使用超百張圖表時，需要人工逐個整理耗時巨大，很不方便，亟待產品來解決。
第一類技術應用就是為了解決上述問題。OCR+IDP主要面向商業分析與研究工作，可以解決大部分投研工作者遇到的解析精度不足、解析內容無法分類等，也是WarrenQ主攻的產品應用方向之一。以下請一起來看WarrenQ目前的解決方案：
WarrenQ整體解析方案
WarrenQ整體解析功能分為，研報庫直接解析、用戶按需圖表解析、雲盤上傳自動解析分析三方面。
01 全面便捷的研報庫解析✦
WarrenQ作為輕量化智能投研平台，內部直接集成研報庫功能。所有研報入庫會抽取其中所有圖表單獨展示，並使用NLP進行研報及圖表打標，在生產端實現內容抽取及分類。
用戶在查看研報時，可以直接查看研報標籤信息，同時查看抽取出的所有圖表素材，方便快捷。
02 精確高效的OCR✦
目前WarrenQ的OCR功能支持對各類圖表進行解析，純表格，折線圖，柱狀圖，面積圖都可以進行精確識別數據，OCR識別準確率超90%，可滿足商業辦公需求。
目前最新版本的OCR功能已經支持無標註的圖表識別，即使圖片內未明確標誌數據，也可通過Y軸刻度線進行數值估計，來幫助研究人員進行更多場景下的數據整理。
03 雲盤解析，智能分類✦
WarrenQ平台通過雲盤上傳的生產投研內容可以通過AI識別智能打上各類標籤，用戶可以根據標籤快速分辨投研內容屬性，例如：行業、關聯產品等，並據此移入對應工程。
上傳至平台內的投研內容均可以在線查看，無須跨平台跨軟件，且支持OCR識別圖表。
結語：
產品已向多家金融機構提供服務；未來，產品將持續攜手機構開展深度合作，融合創新，提升體驗，幫助研究工作者提高使用效率。
產品目前正式上線並對外開放註冊，歡迎各位研究工作者及機構用戶通過下方網址註冊使用，謝謝！
https://www.warrenq.cn/
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-