1. Products
  2.   Parser
  3.   Python
  4.   EasyOCR
 
  

OCR Casta do Dhúshláin Doiciméad Nua-aimseartha

Bain téacs go cruinn as doiciméid scannta, grianghraif agus PDFanna le haitheantas bunaithe ar fhoghlaim dhomhain

Cad é EasyOCR?

Is leabharlann oscailte foinse é EasyOCR d'Aitheantas Optúil Carachtar (OCR) a d'fhorbair Jaided AI, atá deartha chun téacs a bhaint as íomhánna agus doiciméid scannta le cruinneas ard. Tá sé bunaithe ar PyTorch agus tacaíonn sé le níos mó ná 80 teanga lena n-áirítear Laidin, Sínis, Araibis agus go leor eile. Tá cáil ar EasyOCR as a éascaíocht úsáide - níl ach cúpla líne cód ag teastáil chun é a chur i bhfeidhm, rud a fhágann gur rogha iontach é d'fhorbróirí agus do thaighdeoirí atá ag obair ar thionscadail aitheantais téacs. Le samhlacha foghlama domhain réamh-oilte, is féidir leis téacs a aithint go héifeachtach i gclófhoirne éagsúla, lámhscríbhinní agus cúlraí casta. Cibé acu do phróiseáil uathoibrithe doiciméid, aitheantas plátaí gluaisteán nó baint téacs as íomhánna, soláthraíonn EasyOCR réiteach cumhachtach éadrom. Comhcheanglaíonn an córas:

  • Aitheantas il-samhail: Lógáil téacs bunaithe ar CRAFT feabhsaithe le cnámh droma ResNet
  • Aitheantas oiriúnaitheach: Samhlacha sonracha do script (CRNN do Laidin, Transformer do CJK)
  • Próiseáil comhthéacsúil: Atógú paragraf agus caomhnú ord léitheoireachta

Taispeánann tagarmharcanna feidhmíochta torthaí comhsheasmhacha ar chineálacha éagsúla doiciméad:

Cineál DoiciméidCruinneasFeidhmíochtCrua-earraí
Doiciméid ghnó98.6%42 leathanach/nóimNVIDIA T4
Íomhánna soghluaiste94.2%28 íomhá/nóimGoogle Colab GPU
Cartlann stairiúil89.1%15 leathanach/nóimBraisle LAP

EasyOCR le haghaidh aitheantais téacs OCR

Próiseálann an ailtireacht doiciméid i dtrí chéim optamaithe:

  1. Aithint: Deighilt réigiún téacs ag leibhéal picteilín
  2. Aitheantas: Tuar seicheamh le samhaltú teanga
  3. Atógáil: Mapáil caidrimh spásúla
GitHub

GitHub Stats

Name:
Language:
Stars:
Forks:
License:
Repository was last updated at

Príomhghnéithe Teicniúla

1. Aithint Téacs Casta

Áiríonn an fochóras aithinte:

  • Giniúint léarscáile teasa ag leibhéal carachtair
  • Bainistiú réimsí téacs ar chruthanna treallacha
  • Tacaíocht il-treoshuíomh (0-360°)
  • Cosc ar torann cúlra

2. Córas Aitheantais Hibrideach

Tá na samhlacha aitheantais optamaithe de réir cineál scripte:

  • Laidin/Coireallach: CRNN le 7 ciseal CNN + BiLSTM
  • Sínis/Seapáinis/Cóiréis: Transformer le 12 ceann aird
  • Araibis/Eabhrais: BiLSTM ó chlé go deas le tokenú saincheaptha

3. Gnéithe Gnó

  • Meastóireacht cáilíochta uathoibríoch
  • Idirbhearta inroghnótha cruinneas/athghairm
  • Leithdháileadh acmhainní feasach ar chrua-earraí

Suiteáil agus Cumrú

Riachtanais Chórais

ComhpháirtForbairtTáirgeadh
Python3.6+3.8+
Cuimhne8GB16GB+
GPURoghnachNVIDIA (CUDA 11.8+)

Roghanna Suiteála

Suiteáil Bhunúsach


pip install easyocr  # Suiteálann sé na héilimh LAP amháin

Tacaíocht GPU (Linux/Windows)


pip install easyocr torch torchvision --index-url https://download.pytorch.org/whl/cu118

Docker (Seoladh Táirgthe)


docker run -it --gpus all -v $(pwd):/data \
  -e LANG_LIST="en,fr,es" \
  jaidedai/easyocr

Samplaí Praicticiúla Cur i bhFeidhm

1. Líon oibriúcháin Doiciméad Táirgthe

Líon oibriúcháin OCR iomlán le réamhphróiseáil agus bailíochtú:

Próiseáil Réidh le Táirgeadh


from easyocr import Reader
import cv2
import numpy as np

class DocumentOCR:
    def __init__(self, languages=['en']):
        self.reader = Reader(languages, gpu=True)
        
    def preprocess(self, image):
        # Feabhas ar chodarsnacht
        lab = cv2.cvtColor(image, cv2.COLOR_BGR2LAB)
        l, a, b = cv2.split(lab)
        clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(8,8))
        limg = cv2.merge([clahe.apply(l), a, b])
        return cv2.cvtColor(limg, cv2.COLOR_LAB2BGR)
    
    def process(self, image_path):
        img = cv2.imread(image_path)
        processed = self.preprocess(img)
        results = self.reader.readtext(processed,
                                    batch_size=4,
                                    paragraph=True,
                                    min_size=50,
                                    text_threshold=0.8)
        return {
            'text': [r[1] for r in results],
            'confidence': np.mean([r[2] for r in results])
        }

# Úsáid
ocr = DocumentOCR(languages=['en','ga'])
result = ocr.process('conradh_dlithiúil.jpg')
print(f"Meánchruinneas: {result['confidence']:.2%}")

2. Próiseáil Baisc Sonraí

Bailigh réimsí lárnacha ó fhormáidí éagsúla sonraí:

Baint Sonraí ó Shonraí


import easyocr
import re
from pathlib import Path

reader = easyocr.Reader(['en'])

PATRÚIN_SONRAÍ = {
    'uimhir_sonraí': r'Sonraí\s*Uimhir[:#]?\s*([A-Z0-9-]+)',
    'dáta': r'Dáta[:]?\s*(\d{2}[/-]\d{2}[/-]\d{4})',
    'méid': r'Iomlán\s*Le Diol[:]?\s*\$?(\d+\.\d{2})'
}

def próiseáil_sonraí(fillteán):
    torthaí = []
    for sonraí in Path(fillteán).glob('*.pdf'):
        téacs = '\n'.join(reader.readtext(str(sonraí), detail=0))
        bainte = {réimse: re.search(patrún, téacs) 
                    for réimse, patrún in PATRÚIN_SONRAÍ.items()}
        torthaí.append({
            'comhad': sonraí.name,
            'sonraí': {k: v.group(1) if v else None 
                     for k, v in bainte.items()}
        })
    return torthaí
sonraí_sonraí = próiseáil_sonraí('/sonraí/')

Uasmhéadú Feidhmíochta

Luasmhéadú GPU

  • Próiseáil baisc: Méideanna baisc optamacha (4-16 ag brath ar chuimhne GPU)
  • Bainistiú cuimhne: Gearradh uathoibríoch do dhoiciméid mhóra
  • Ilchruinneas: Tátal FP16 le Tensor Cores

Tiúnáil Cruinnis

  • Tairsigh chodarsnachta: Coigeartaigh contrast_ths do scananna droch-cháilíochta
  • Scagadh méid téacs: Socraigh min_size chun téacs beag a neamhaird
  • Tosaíocht teanga: Ordaigh teangacha de réir minicíochta ionchais

Similar Products

 Gaeilge