PaddleOCR: Βιομηχανικής Κλίμακας OCR για Πολυγλωσσική Εξαγωγή Κειμένου

Τι είναι το PaddleOCR API;

Το PaddleOCR Python API είναι ένα ισχυρό και εύχρηστο εργαλείο για εργασίες οπτικής αναγνώρισης χαρακτήρων (OCR), σχεδιασμένο να βοηθά τους προγραμματιστές να εξάγουν και να αναλύουν κείμενο από εικόνες με υψηλή ακρίβεια. Χτισμένο πάνω στο πλαίσιο βαθιάς μάθησης PaddlePaddle, το PaddleOCR υποστηρίζει μια ευρεία γκάμα γλωσσών και περιλαμβάνει προεκπαιδευμένα μοντέλα για ανίχνευση κειμένου, αναγνώριση και ανάλυση διάταξης. Με τη διαισθητική του διεπαφή Python, οι χρήστες μπορούν να ενσωματώσουν γρήγορα λειτουργίες OCR στις εφαρμογές τους, είτε για ψηφιοποίηση εγγράφων, εξαγωγή κειμένου από φωτογραφίες είτε αυτοματοποιημένη επεξεργασία δεδομένων. Το PaddleOCR Python API είναι ιδανικό για όσους επιθυμούν να υλοποιήσουν ισχυρές λύσεις OCR με ελάχιστη ρύθμιση και μέγιστη ευελιξία.

Κύρια πλεονεκτήματα του PaddleOCR:

• Πολυγλωσσική υποστήριξη: Προεκπαιδευμένα μοντέλα για 100+ γλώσσες (συμπεριλαμβανομένων Κινέζικων, Αγγλικών, Αραβικών κ.λπ.)
• Υψηλή ακρίβεια: Τα μοντέλα σειράς PP-OCR επιτυγχάνουν κορυφαία αποτελέσματα σε σύνολα δεδομένων ICDAR
• Ολοκληρωμένες διαδικασίες: Από ανίχνευση κειμένου έως αναγνώριση και ανάλυση διάταξης
• Ελαφριά μοντέλα: Βελτιστοποιημένα για κινητές και edge συσκευές (π.χ. PP-OCRv3)

Από σαρωμένα έγγραφα έως πινακίδες δρόμων, το PaddleOCR εξάγει κείμενο με κορυφαία ακρίβεια στον κλάδο.

Στατιστικά GitHub

Ονομα:
Γλώσσα:
Αστέρια:
Πιρούνια:
Αδεια:
Το αποθετήριο ενημερώθηκε τελευταία φορά στις

Γιατί να επιλέξετε το PaddleOCR;

• Ανοικτού Κώδικα Αριστεία: 30,000+ αστέρια στο GitHub και ενεργές συνεισφορές από την κοινότητα
• Ευέλικτη ανάπτυξη: Υποστήριξη για Python, C++ και κινητές πλατφόρμες (Android/iOS)
• Ανάλυση διάταξης: Αναγνωρίζει περιοχές κειμένου, πίνακες και εικόνες σε πολύπλοκα έγγραφα
• Συνεχείς ενημερώσεις: Τακτικές εκδόσεις μοντέλων (π.χ. PP-OCRv4)
• Επιχειρησιακή φιλικότητα: Άδεια Apache 2.0 για εμπορική χρήση

Εγκατάσταση

Το PaddleOCR απαιτεί Python 3.7+ και μπορεί να εγκατασταθεί μέσω pip. Η υποστήριξη GPU απαιτεί CUDA/cuDNN.

pip install paddleocr paddlepaddle  #Έκδοση CPU

Για επιτάχυνση GPU:

pip install paddleocr paddlepaddle-gpu  #Απαιτεί CUDA 10.2+

Σημείωση: Τα προεκπαιδευμένα μοντέλα κατεβαίνουν αυτόματα κατά την πρώτη χρήση ή μπορούν να κατέβουν χειροκίνητα με paddleocr --lang en.

Παραδείγματα Κώδικα

Εξερευνήστε τις δυνατότητες του PaddleOCR με αυτά τα παραδείγματα. Όλα τα παραδείγματα προϋποθέτουν ότι έχετε εγκαταστήσει το αγγλικό μοντέλο.

Παράδειγμα 1: Βασικό OCR

Για να εξαγάγετε κείμενο από μια εικόνα χρησιμοποιώντας το PaddleOCR με τα προεπιλεγμένα μοντέλα, αρκεί να αρχικοποιήσετε τη μηχανή OCR με την τυπική διαμόρφωση, η οποία περιλαμβάνει υποστήριξη για αγγλικά και ταξινόμηση γωνίας για βελτιωμένη ακρίβεια. Το PaddleOCR χρησιμοποιεί προεκπαιδευμένα μοντέλα για ανίχνευση, αναγνώριση και ταξινόμηση για να εντοπίσει και να ερμηνεύσει κείμενο στην εικόνα εισόδου. Μόλις επεξεργαστεί η εικόνα, η μηχανή OCR επιστρέφει το ανιχνευθέν κείμενο μαζί με τη θέση του και ένα σκορ εμπιστοσύνης για κάθε αποτέλεσμα. Αυτή η ρύθμιση παρέχει έναν γρήγορο και αποτελεσματικό τρόπο εξαγωγής κειμενικού περιεχομένου από εικόνες χωρίς την ανάγκη για προσαρμοσμένη εκπαίδευση μοντέλων ή πολύπλοκες διαμορφώσεις.

from paddleocr import PaddleOCR

ocr = PaddleOCR(use_angle_cls=True, lang='en')  # Αρχικοποίηση
result = ocr.ocr('image.jpg', cls=True)  # Επεξεργασία εικόνας

# Εκτύπωση αναγνωρισμένου κειμένου
for line in result:
    print(line[-1][0])  # Περιεχόμενο κειμένου

Η έξοδος περιλαμβάνει:

• Περιεχόμενο κειμένου και σκορ εμπιστοσύνης
• Συντεταγμένες οριοθετικού πλαισίου

Παράδειγμα 2: Ομαδική επεξεργασία

Για την αποτελεσματική επεξεργασία πολλαπλών εικόνων με το PaddleOCR, μπορείτε να αξιοποιήσετε τεχνικές ομαδικής επεξεργασίας που ελαχιστοποιούν τις περιττές αρχικοποιήσεις και βελτιστοποιούν την απόδοση. Αντί να αρχικοποιείτε τη μηχανή OCR για κάθε εικόνα, συνιστάται να δημιουργήσετε μια μεμονωμένη εμφάνιση του μοντέλου OCR και να την επαναχρησιμοποιήσετε για όλες τις εικόνες εισόδου. Αυτή η προσέγγιση μειώνει σημαντικά τον χρόνο επεξεργασίας και την κατανάλωση πόρων. Με την παράδοση μιας λίστας διαδρομών εικόνας στη μηχανή OCR σε ένα βρόχο ή χρησιμοποιώντας παράλληλη επεξεργασία (όταν είναι κατάλληλο), μπορείτε να εξαγάγετε γρήγορα και αποτελεσματικά κείμενο από μεγάλα σύνολα εικόνων, κάτι που το καθιστά ιδανικό για ροές εργασίας που περιλαμβάνουν παρτίδες εγγράφων, σαρωμένα αρχεία ή μαζική ανάλυση εικόνων.

image_paths = ['doc1.jpg', 'doc2.png']
results = ocr.ocr(image_paths, batch_size=4)  # Παράλληλη επεξεργασία

Παράδειγμα 3: Ανάλυση διάταξης

Το PaddleOCR μπορεί να χρησιμοποιηθεί όχι μόνο για την αναγνώριση κειμένου, αλλά και για τον εντοπισμό συγκεκριμένων περιοχών κειμένου και την ανίχνευση δομημένων στοιχείων όπως πίνακες σε μια εικόνα. Το σύστημα εντοπίζει πρώτα περιοχές κειμένου μέσω του μοντέλου ανίχνευσής του, που σκιαγραφεί κάθε περιοχή κειμένου με ένα οριοθετικό πλαίσιο, επιτρέποντας στους χρήστες να κατανοήσουν πού βρίσκεται το κείμενο στην εικόνα. Για πιο πολύπλοκες διατάξεις, όπως φόρμες ή έγγραφα που περιέχουν πίνακες, το PaddleOCR υποστηρίζει ανάλυση διάταξης και αναγνώριση δομής πίνακα. Αυτό επιτρέπει την ανίχνευση γραμμών, στηλών και ορίων κελιών, καθιστώντας δυνατή την εξαγωγή δεδομένων πίνακα σε μια οργανωμένη μορφή. Τέτοιες δυνατότητες είναι ιδιαίτερα χρήσιμες για την ψηφιοποίηση σαρωμένων εγγράφων, όπως τιμολόγια ή υπολογιστικά φύλλα, όπου συνυπάρχουν ελεύθερο κείμενο και δεδομένα πίνακα.

from paddleocr import PPStructure

structure_engine = PPStructure(table=False, ocr=False)
layout_result = structure_engine('document.pdf')

Προηγμένες Λειτουργίες

Το PaddleOCR υποστηρίζει πολύπλοκες ροές εργασίας:

• Προσαρμοσμένη εκπαίδευση: Ρυθμίστε τα μοντέλα στα δεδομένα σας:

  Εκπαίδευση μοντέλου

  
      python tools/train.py -c configs/det/det_mv3_db.yml
      
  

• Ανάμειξη γλωσσών: Επεξεργασία πολυγλωσσικών εγγράφων:

  Πολυγλωσσικό OCR

  
      ocr = PaddleOCR(lang='chinese+english')
      
  

• Υποστήριξη PDF: Άμεση εξαγωγή κειμένου από αρχεία PDF:

  Επεξεργασία PDF

  
      result = ocr.ocr('document.pdf', type='pdf')
      
  

Συμπέρασμα

Το PaddleOCR προσφέρει λύσεις OCR έτοιμες για παραγωγή με απαράμιλλη πολυγλωσσική υποστήριξη και κλιμακωσιμότητα. Ιδανικό για:

• Ψηφιοποίηση εγγράφων: Σαρωμένα PDF, τιμολόγια, αποδείξεις
• Πολυγλωσσικές εφαρμογές: Αναγνώριση διαβατηρίων, πολυγλωσσικά βιβλία
• Ανάπτυξη σε edge συσκευές: Εφαρμογές για κινητά με OCR στη συσκευή

Με την υποστήριξη του οικοσυστήματος βαθιάς μάθησης του PaddlePaddle, το PaddleOCR συνεχίζει να ορίζει τα πρότυπα σε ακρίβεια και αποδοτικότητα OCR.

Παρόμοια Προϊόντα