12月4日，深度學習算法的發(fā)展，使得人工智能技術得以廣泛應用于生活的各個領域。
借助圖像識別、OCR等技術，把一張圖片或書本上的文字，通過“拍一拍、掃一掃”轉化成“電子版”文件，已經(jīng)不是難事。比如百度AI開放平臺，就提供了圖片、文字識別的接口供用戶使用，且識別準確率不低。
近期，好未來旗下AILab也推出了一款文字識別工具產(chǎn)品“海馬掃描”。這款產(chǎn)品與市面上其他AI文字識別工具的最大不同在于，它是專門針對教育行業(yè)教師和學生的教學場景而設計的。
“海馬掃描”是一款支持PDF、PNG、JPG等文件的文字識別、公式識別和智能排版的工具型產(chǎn)品，同時擁有文本校對、桌面截圖等功能。
目前，國內越來越多的學校致力于建設自己的校本資源庫，來滿足優(yōu)質資源班班通的需求，教師在教學任務之外，還面臨著需要將試卷、試題及教輔等大量紙質材料進行錄入和電子化的工作，但是傳統(tǒng)的純人工鍵盤錄入方式費時費力且容易出錯。
為了解決“教育資料電子化”這一教育信息化道路上的“痛點”之一，海馬掃描應時而生。據(jù)介紹，目前海馬掃描支持印刷體中英文、手寫體英文識別，純文字識別精度達97%，純公式識別K12階段精度達92%。
那么，海馬掃描使用效果到底如何呢？值得推薦給我們廣大的辛勤園丁嗎？TechWeb對這款產(chǎn)品進行了深度體驗測試。
手機端：“海馬掃描”微信小程序試用
在手機“微信”-“發(fā)現(xiàn)”-“小程序“中，搜索“海馬掃描”，即可啟動海馬掃描小程序。目前該小程序提供“圖片識別”、“PDF識別”功能。
“文字+公式”混排（左為手機拍攝圖片，右為海馬掃描識別結果）
如上，在隨機選擇的書中，TechWeb拍攝了一段“文字+公式”混排頁面，點擊海馬掃描小程序的“圖片識別”按鈕，進行“拍照”，隨即給出了掃描的電子版文字。從結果看，海馬掃描對“文字+公式”混排表現(xiàn)優(yōu)秀，掃描結果完全正確。
數(shù)學橫式計算 海馬掃描識別完全無壓力
我們又對小學數(shù)學科目的口算題進行了測試，左圖為網(wǎng)絡搜索圖片，通過海馬掃描的圖片識別，可以將數(shù)學計算橫式進行準備識別。
從結果看，橫式完全正確。不過存在兩處噪音，分別是第四行識別結果加入了方框，第六行加入了一個隨機符號。這兩處噪音需要手動進行修正。
不過，相比老師自己手動逐行輸入這40個計算題需要花費的時間而言，修正兩處噪音所花的時間可謂大大減少了。
數(shù)學試卷截圖測試 分子式的識別準確率還有待提高
另外，我們對數(shù)學高年級的分式、百分比、文字等混排試卷也進行了掃描測試。從結果看來，海馬掃描對分數(shù)識別采用的是latex格式，單獨的識別準確率還是不錯的，比如第6、8題。
海馬掃描的官方介紹是，目前支持高中以下學科公式識別，對高中以上學科，字符復雜的公式暫時無法識別，識別程度要看難易和結構復雜程度，識別困難公式的功能還正在開發(fā)中。
PC端：“海馬掃描”PC客戶端試用
再看看PC端的情況。海馬掃描PC端目前的功能，相比小程序更多一些，除了擁有圖片、PDF等基本識別功能外，還提供公式識別、截圖識別、文本校對等更多細節(jié)編輯的功能。
上圖為一個帶圖數(shù)學題的識別，識別結果對文字描述和圖形自動做了區(qū)分，識別結果完全準確。
同樣，利用海馬掃描對一個帶有特殊符號（圓圈）的文字圖片進行識別，也得到了準確的結果。
利用海馬掃描提供的PC端功能，把一張小學試卷快速生成“電子版”沒有什么壓力。
手機和PC端互通
在手機使用如此頻繁的情況下，很多人在線上溝通的時候，就進行了文件傳遞，在手機上隨手利用海馬掃描處理好的文字、圖片等信息，隨時傳遞到PC端進行更精細準確的再編輯，這個微信小程序和PC端的文件互通功能就顯得很實用。
在海馬掃描PC版窗口右上角，點擊“同步小程序”，就能將微信小程序中處理的內容同步到PC端。
下面這個數(shù)學題，就是從海馬掃描微信小程序上同步過來的。
幾點總結
1、“海馬掃描”專門針對K12教學場景的圖像目標檢查、OCR文字識別功能很好用。雖然在某些識別上目前還存在瑕疵，不過作為一個“幫手”而言，已經(jīng)非常得力了。
教師只需要導入試卷，就可以一鍵轉換成可編輯的文本，省時省力，是減輕教師錄題組卷負擔的好幫手，推薦教師們使用。
2、“海馬掃描”PC版對電腦內存和GPU占用較高，因此用戶的電腦硬件配置要求較高，否則可能產(chǎn)生卡頓。
3、另外，對“海馬掃描”還有點新需求提一提。目前海馬掃描還沒有Mac版，希望盡快推出Mac版產(chǎn)品，畢竟使用蘋果筆記本的教師也不少啦。（Canalys最新數(shù)據(jù)：蘋果筆記本市場份額Q3達到了7.6%）。
（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
