# Rozpoznawanie tekstu na obrazach (OCR)

EN: **Optical character recognition (OCR)** · id `ocr` · aliases: OCR, optical character recognition, text recognition, rozpoznawanie pisma

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Język, obraz, audio](https://aiatlasgraph.com/t/modalities.md) › [Widzenie komputerowe](https://aiatlasgraph.com/t/visionnode.md) › Rozpoznawanie tekstu na obrazach (OCR)

## Description

- PL: Zamiana obrazu z drukiem, pismem ręcznym lub tekstem w scenie na tekst maszynowy; zwykle detekcja linii lub słów plus rozpoznawanie.
- EN: Converting images of print, handwriting or scene text into machine text; usually line or word detection plus recognition.

## In one sentence

- PL: Program odczytuje tekst ze zdjęcia, skanu albo zrzutu ekranu i zamienia go na zwykłe litery, które można kopiować.
- EN: Software reads text from a photo, scan or screenshot and turns it into ordinary letters you can copy.

## Problem it solves

- PL: Tekst na papierze, tablicy czy zdjęciu jest „uwięziony”: nie da się go przeszukać, skopiować ani przetłumaczyć.
- EN: Text on paper, a sign or a photo is trapped: you can't search, copy or translate it.

## What it does

- PL: Jak przepisywacz, który zamienia każde zdjęcie kartki w edytowalny dokument, litera po literze.
- EN: Like a copyist who turns every photo of a page into an editable document, letter by letter.

## Everyday example

- PL: Celujesz telefonem w menu w obcym języku, a aparat odczytuje dania i pokazuje je przetłumaczone.
- EN: You point your phone at a foreign-language menu and the camera reads the dishes and shows them translated.

## This concerns you if you…

- PL: digitalizujesz papierowe dokumenty lub archiwa
- PL: kopiujesz tekst ze zrzutów ekranu
- PL: odczytujesz ręczne notatki lub stare rękopisy
- EN: digitise paper documents or archives
- EN: copy text out of screenshots
- EN: read handwritten notes or old manuscripts

## Keywords

OCR · optical character recognition · text recognition · Tesseract · TrOCR · PaddleOCR · CRNN · HTR · scene text · CER · document text extraction

## How it works

- PL: Klasyczne systemy łączą sieć obrazu z modelem sekwencyjnym generującym znaki. Nowsze podejścia, takie jak TrOCR, używają transformera obrazu i transformera tekstu, generując podtokeny po pretreningu na danych syntetycznych i dostrojeniu na opisanych przykładach.
- EN: Classical systems combine an image network with a sequential model that emits characters. Newer approaches such as TrOCR use an image transformer and a text transformer, generating subword tokens after pretraining on synthetic data and fine-tuning on labeled examples.

## Limits

- PL: Skuteczność zależy od podobieństwa dokumentów do danych dostrajania. Pismo ręczne, tekst w naturalnych scenach, rzadkie alfabety, niska jakość skanu i złożony układ mogą wymagać osobnych danych oraz kontroli wyniku.
- EN: Performance depends on how closely documents match the fine-tuning data. Handwriting, scene text, low-resource scripts, poor scans and complex layouts may require dedicated data and output validation.

## Key terms

- PL: **CTC**: Sposób uczenia rozpoznawania sekwencji bez dokładnego położenia każdej litery.
- PL: **CER**: Odsetek błędnie odczytanych znaków.
- PL: **scene text**: Napisy w zwykłych zdjęciach: szyldy, etykiety, tablice.
- EN: **CTC**: A way to train sequence recognition without each letter's exact position.
- EN: **CER**: The share of wrongly read characters.
- EN: **scene text**: Text in ordinary photos: shop signs, labels, boards.

## Related topics

Untyped, symmetric "see also" links.

- [Analiza układu i parsowanie dokumentów (Document layout analysis and parsing)](https://aiatlasgraph.com/t/layoutanalysis.md)
- [Rozumienie dokumentów, wykresów i zrzutów ekranu (Document, chart and screenshot understanding)](https://aiatlasgraph.com/t/docvision.md)

## Sources

- [olmOCR: Unlocking Trillions of Tokens in PDFs with Vision Language Models](<https://arxiv.org/abs/2502.18443>) `olmocr-2025` · by Jake Poznanski, Aman Rangapur, Jon Borchardt, Jason Dunkelberger, Regan Huff, Daniel Lin, Christopher Wilhelm, Kyle Lo, Luca Soldaini
- [TrOCR: Transformer-based Optical Character Recognition with Pre-trained Models](<https://arxiv.org/abs/2109.10282>) `li-2021-trocr` · by Minghao Li, Tengchao Lv, Jingye Chen, Lei Cui, Yijuan Lu, Dinei Florencio, Cha Zhang, Zhoujun Li, Furu Wei

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/ocr · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30