Pipeline completo de OCR con Keras y TensorFlow

¿Qué es la API Keras-OCR?

Keras-OCR es una biblioteca Python de alto nivel y código abierto diseñada para simplificar tareas de reconocimiento óptico de caracteres (OCR) usando el poder de Keras y TensorFlow. A diferencia de los sistemas OCR tradicionales que requieren configuración extensa, Keras-OCR ofrece un pipeline completo con modelos preentrenados para detección de texto (usando el algoritmo CRAFT) y reconocimiento de texto (mediante un modelo CRNN). Esta combinación permite a los desarrolladores extraer texto de imágenes, documentos escaneados o incluso notas manuscritas con solo unas pocas líneas de código.

La biblioteca está optimizada para casos de uso reales, incluyendo:

• Digitalización de documentos: Convierte documentos en papel o PDF a texto buscable.
• Automatización de entrada de datos: Extrae texto de facturas, recibos o formularios.
• Herramientas de accesibilidad: Genera texto alternativo para imágenes en aplicaciones web.
• Análisis de redes sociales: Procesa texto incrustado en memes o contenido generado por usuarios.

Con soporte integrado para procesamiento por lotes y aceleración opcional por GPU, Keras-OCR equilibra facilidad de uso con rendimiento, haciéndolo ideal tanto para prototipos como para implementaciones en producción.

Estadísticas de GitHub

Nombre:
Idioma:
Estrellas:
Tenedores:
Licencia:
El repositorio se actualizó por última vez en

Características principales de Keras-OCR

• Modelos preentrenados: Incluye CRAFT (detector) y CRNN (reconocedor) para uso inmediato.
• Configuración sencilla: Dependencias mínimas (Keras, TensorFlow, OpenCV).
• Procesamiento por lotes: Procesa múltiples imágenes en paralelo para mayor eficiencia.
• Entrenamiento personalizable: Ajusta los modelos con tus propios conjuntos de datos.
• No requiere GPU: Funciona en CPU pero se acelera con GPU.
• Salida de cuadros delimitadores: Devuelve texto con coordenadas para análisis espacial.
• Código abierto: Gratuito, impulsado por la comunidad y con licencia MIT.

Instalación

Instala Keras-OCR mediante pip (requiere Python 3.6+):

pip install keras-ocr

Para soporte GPU, asegúrate de tener TensorFlow con GPU instalado:

pip install tensorflow-gpu

Ejemplos de código

A continuación se muestran ejemplos prácticos para extraer texto de imágenes usando Keras-OCR.

Ejemplo 1: Detección y reconocimiento básico de texto

Este ejemplo muestra cómo usar el pipeline preentrenado para extraer texto de una imagen:

import keras_ocr

pipeline = keras_ocr.pipeline.Pipeline()
images = ["receipt.jpg"]
predictions = pipeline.recognize(images)
print(predictions)

Ejemplo 2: Procesamiento por lotes

Procesa múltiples imágenes simultáneamente para mayor eficiencia:

import keras_ocr

pipeline = keras_ocr.pipeline.Pipeline()
images = ["image1.jpg", "image2.jpg", "image3.jpg"]
batch_predictions = pipeline.recognize(images)
for prediction in batch_predictions:
    print(prediction)

Ejemplo 3: Visualización de cuadros delimitadores

Dibuja los cuadros de texto detectados en la imagen original:

import matplotlib.pyplot as plt
import keras_ocr

pipeline = keras_ocr.pipeline.Pipeline()
image = keras_ocr.tools.read("document.jpg")
predictions = pipeline.recognize([image])
keras_ocr.tools.drawAnnotations(image, predictions[0])
plt.imshow(image)
plt.show()

Conclusión

Keras-OCR simplifica la extracción de texto con su pipeline listo para usar, convirtiéndolo en una excelente opción para desarrolladores que necesitan OCR rápido y preciso sin configuración compleja. Su integración con Keras y TensorFlow permite personalizaciones, mientras que el procesamiento por lotes asegura escalabilidad.

Ya sea que estés construyendo escáneres de documentos, automatizando entrada de datos o analizando contenido de redes sociales, Keras-OCR proporciona una solución ligera pero potente.

Productos Similares