内容简介:来源 | 机器之心编辑 | 路
磐创AI分享
磐创AI分享
来源 | 机器之心
编辑 | 路
【导读】 Easy OCR 支持 40 多种语言,所需的 GPU 内存为 2GB+,并且支持在 CPU 模式中运行。
OCR(光学字符识别)是是指对文本资料的图像文件进行分析识别处理,获取文字及版面信息的过程。目前,这项技术在拍照搜题、拍照翻译等应用中得到广泛使用。
今天,我们来介绍一个支持 40 多种语言的 OCR 库:Easy OCR。
GitHub 地址:https://github.com/JaidedAI/EasyOCR
该 OCR 库使用深度神经网络构建而成:CNN+LSTM+CTC loss,包含三个解码器可选项:贪心搜索、束搜索和词束搜索(word-beam search)。
据介绍,Easy OCR 的性能可与商业 API 解决方案媲美,且已开源,支持本地运行,因此适合关注数据隐私和适应性的人使用。
作者表示:与标准的开源 OCR 工具 Tesseract 相比,Easy OCR 的准确率更高,不过速度稍慢。
支持 40+ 种语言,识别效果优秀
Easy OCR 支持对 42 多种语言执行 OCR 识别,包括简繁中文、日语、韩语、英语、德语、乌兹别克语、越南语、斯瓦希里语等。
Easy OCR 支持的语言清单。
下图展示了 Easy OCR 的识别效果:
Easy OCR 的识别结果
此外,Easy OCR 所需的 GPU 内存为 2GB+,并且支持在 CPU 模式中运行,因此具备较强的实用性。
Easy OCR 的原理
如前所述,Easy OCR 利用 CNN+LSTM+CTC loss 构建而成,包括三个解码器可选项:贪心搜索、束搜索和词束搜索(word-beam search)。其中检测部分基于 CRAFT 算法预训练得到,识别部分则基于作者自有数据集训练得到。
CRAFT 是一个字符级别的文本检测网络,使用分水岭算法生成 label,采用 heatmap 得到激活值最大的目标区域。
Easy OCR 使用了 CRAFT 文本检测器的官方 Pytorch 实现。
CRAFT 实现地址:https://github.com/clovaai/CRAFT-pytorch
在处理过程中,Easy OCR 对输入图像中的每一行文字提供 [location, text, model confident] 结果,如下图所示:
对于给定图像,Easy OCR 分别对图像中的每一行文字提供 [location, text, model confident] 结果。
此外,使用者还可以在不同的数据集上对模型进行重新训练,不过目前项目作者尚未放出训练脚本。开发者可以参考该库 https://github.com/clovaai/deep-text-recognition-benchmark 进行模型重训练。
关于 Easy OCR 的更多细节及代码详情,参见 GitHub 项目地址。
本 文为机器之心报道, 转载请联系本公众号获得授权 。
PyTorch 入门与实战课程开课啦。
16个小时 手把手 带你实现课程中的项目,玩转 PyTorch1.0 。
扫描二维码,99元一键开团!
:point_down::point_down::point_down:
✄------------------------------------------------
看到这里,说明你喜欢这篇文章,请点击「 在看 」或顺手「 转发 」「 点赞 」。
欢迎微信搜索「 panchuangxx 」,添加小编 磐小小仙 微信,每日朋友圈更新一篇高质量推文(无广告),为您提供更多精彩内容。
▼ ▼ 扫描二维码添加小编 ▼ ▼
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 光学CNN层替换传统CNN层,超省电
- MIT新突破:Nature Photonics揭秘新型光学深度神经网络系统
- 亮风台CVPR 2019 oral 论文:端到端的投影仪光学补偿
- CVPR 2019 Oral 亮风台提出端到端投影光学补偿算法,代码已开源
- MIT初创公司发布全球首个光子AI芯片原型!独立光学计算硬件,庞大系统成功集成至常规板卡丨独家专访
- 轻松搞定RocketMQ入门
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。