OCR 的流程、常用模型与选型
哪些公司问过
答案要点
- 流程:预处理、文本检测、文本识别、版面分析、后处理
- 检测常用 DBNet、EAST,识别常用 CRNN+CTC 或注意力、Transformer 识别器
- PaddleOCR 中文效果和部署成熟;多模态大模型适合复杂文档,但成本高、有幻觉风险
- OCR 选型看场景类型(印刷、票据、手写)、版面复杂度、准确率、延迟与部署方式
- OCR 难点在版面与阅读顺序、表格还原、手写与生僻字,需针对性评测
易错点
- 只讲识别不讲检测和版面分析,复杂文档往往卡在版面和阅读顺序
- 直接套用公开榜单结论选型,不在自己的业务样本上评测
- 用多模态大模型做 OCR 时忽略幻觉,不做原文校验
面试官常见追问
- DBNet 和 EAST 有什么区别?
- CRNN 加 CTC 为什么有效?
- 复杂版面和表格怎么处理?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。