干OCR这行经常遇到一种客户需求：你们能不能识别XX单证？
XX可能是电力行业的巡检工单、物流公司的运单、医院的处方笺、政府部门的特殊申请表。这些都不是标准证件，市面上没有现成的OCR模板。
以前遇到这种需求，做法是客户把样本发过来，我们的工程师手动标注数据、训练模型、调参优化，一个定制项目短则一两周，长则一两个月。费时费力，成本也高。
所以我们搞了一个东西：智能文档影像OCR训练平台。
说人话就是——让客户自己能训练OCR模型。
这个平台的逻辑不复杂。你把需要识别的单证扫描或拍照上传，平台会自动做版面分析，把文字区域、表格区域、图片区域分开。然后你告诉系统哪些字段是你需要的（比如运单上的”收货人”“联系电话”“地址”），标注几张样本，系统就自动开始训练。训练完成之后，你可以直接用训练好的模型去识别新的单证。
整个过程不需要写代码，不需要懂深度学习。只要会标注”这个框是XX字段”就行。
听起来好像很普通，但实际做起来有几个技术难点：
一是少样本学习。客户不可能给你几千张标注好的样本，通常只有几十张甚至十几张。模型必须能在少量样本上快速收敛，不能过拟合。
二是版面泛化。同一个类型的单证，不同时期、不同打印机的版式可能略有差异。模型不能只记住训练样本的版式，得学会”理解”这个类型单证的通用结构。
三是人机协同。平台的设计要让非技术人员也能上手，标注界面要直观，训练进度要可见，效果要能实时预览。
这个平台目前在几个行业跑得不错：电力巡检工单自动录入、物流运单批量处理、医院处方笺结构化、政府采购标书关键信息抽取。
我觉得OCR训练平台代表了一个趋势：OCR正在从”标准化产品”走向”可定制平台”。通用OCR解决80%的常见问题，剩下的20%长尾需求，靠训练平台让客户自己搞定。
这条路还很长，但方向是对的。