腾讯OCR测试

控制台： https://console.cloud.tencent.com/ocr/overview

demo：https://cloud.tencent.com/act/event/ocrdemo

参数文档：https://cloud.tencent.com/document/product/866/33526

腾讯云目前不能实现版面分析功能，仅就其文本识别的能力作测试。

通用版测试结果如下：

1. 中文期刊

   中英文混排中，英文识别效果极差，高度格式化的文本中也存在大量错误。

   

   能识别两栏文本，以空格分隔两栏文本，两栏内容交叠在一起。

   

   不能实现数学公式的自动识别

   

   部分全角逗号被识别为半角，部分上标产生误识别结果

   

   此外，文本中大量存在英文单词之间的空格被吞的现象。

2. 大图文本

   非标准型英文字体识别能力较差，出现大量误识别。中文全角括号识别错误，部分英文单词之间的空格被吞。

   

3. 繁体竖排

   文本大体上能识别出来，但是编排极其混乱，有的行能连成一句完整的话，有的又不能，内容不能重构为原始文本。

   

   

4. 三栏文本

   页眉标题文字字号较小，误识别较多。

   

   正文文本仍然三栏分隔交叠在一起，但是产生了一定数量的两栏杂糅现象。

   

   

5. 扫描文本

   部分符号识别出错，破折号两端被错分为两行。

   

   半角与全角符号误识别现象较为严重。

   

6. 拼音文本

全部注音符都没有被识别出来，全体中文字符均被正确识别

此外，还有一定数量的文本图像不能被识别，原因如下（实际上并没有相应的内容，应该是识别出来产生的错误）。

通用版（高精度）测试结果：

1. 拼音文本

   问题与一般版本一样，仍然不能识别出拼音字符。

   

2. 中文期刊

   对英文字符的识别能力显著增强，没有发现英语单词误识别的情况。半角符号、公式不能识别的情况仍然存在。

   

3. 三栏文本

   小字部分的识别率显著提高，普通版本中存在的两栏内容杂糅也被解决了，在水印附近产生了一定数量的乱码。

   

4. 繁体竖排

   识别情况较普通版更好，但是内容仍然是混乱的，有的按列识别有的又是按行识别的，混合在一起不能还原原始文本。

   

5. 扫描文本

文本内容识别情况较好，破折号处产生识别问题，其他地方如带圈的序号识别正确。

总体情况：

腾讯云的OCR识别效果准确率稍差，不能进行版面分析，同时也不能正确识别出低分辨率情况下的文本，文本排版稍微复杂就容易产生识别错误，按顺序拼接得到的文本是混乱的，文本中识别得到的标点符号存在半角全角混排。该OCR适用于纯中文文本的识别或者纯英文文本的识别，中英混排识别结果不理想。

此外，当识别出含有”敏感信息“后，该工具直接截断了响应，尚不清楚在api调用中是否出现该情况。