1. สินค้า
  2.   พาร์เซอร์
  3.   Python
  4.   PaddleOCR
 
  

PaddleOCR: การรู้จำตัวอักษรระดับอุตสาหกรรมสำหรับการสกัดข้อความหลายภาษา

ตรวจจับและรู้จำข้อความจากภาพและเอกสารด้วยความแม่นยำและความเร็วสูง

PaddleOCR API คืออะไร?

PaddleOCR Python API เป็นชุดเครื่องมือสำหรับงานการรู้จำตัวอักษรด้วยแสง (OCR) ที่ทรงพลังและใช้งานง่าย ออกแบบมาเพื่อช่วยให้นักพัฒนาสามารถสกัดและวิเคราะห์ข้อความจากภาพด้วยความแม่นยำสูง สร้างบนเฟรมเวิร์กการเรียนรู้เชิงลึก PaddlePaddle PaddleOCR รองรับภาษาที่หลากหลายและมีโมเดลที่ฝึกไว้ล่วงหน้าสำหรับการตรวจจับข้อความ การรู้จำ และการวิเคราะห์โครงร่าง ด้วยอินเทอร์เฟซ Python ที่ใช้งานง่าย ผู้ใช้สามารถรวมความสามารถ OCR เข้ากับแอปพลิเคชันของพวกเขาได้อย่างรวดเร็ว ไม่ว่าจะเป็นการแปลงเอกสารเป็นดิจิทัล การสกัดข้อความจากภาพถ่าย หรือการประมวลผลข้อมูลอัตโนมัติ PaddleOCR Python API เหมาะสำหรับทุกคนที่ต้องการใช้งานโซลูชัน OCR ที่แข็งแกร่งด้วยการตั้งค่าที่น้อยที่สุดและความยืดหยุ่นสูงสุด

ข้อได้เปรียบหลักของ PaddleOCR ได้แก่:

  • รองรับหลายภาษา: โมเดลที่ฝึกไว้ล่วงหน้าสำหรับกว่า 100 ภาษา (รวมถึงจีน อังกฤษ อาหรับ ฯลฯ)
  • ความแม่นยำสูง: โมเดลชุด PP-OCR ทำคะแนนได้สูงสุดในการทดสอบมาตรฐาน ICDAR
  • กระบวนการแบบครบวงจร: ตั้งแต่การตรวจจับข้อความไปจนถึงการรู้จำและการวิเคราะห์โครงร่าง
  • โมเดลขนาดเบา: ปรับให้เหมาะกับอุปกรณ์มือถือและ edge devices (เช่น PP-OCRv3)

ตั้งแต่เอกสารที่สแกนไปจนถึงป้ายถนน PaddleOCR สกัดข้อความด้วยความแม่นยำระดับแนวหน้าของอุตสาหกรรม

GitHub

สถิติ GitHub

ชื่อ:
ภาษา:
ดาว:
ส้อม:
ใบอนุญาต:
พื้นที่เก็บข้อมูลได้รับการอัปเดตครั้งล่าสุดเมื่อ

ทำไมต้องเลือก PaddleOCR?

  • ความเป็นเลิศแบบโอเพนซอร์ส: มากกว่า 30,000 ดาวบน GitHub และการมีส่วนร่วมจากชุมชนที่แข็งขัน
  • การใช้งานที่หลากหลาย: รองรับ Python, C++ และแพลตฟอร์มมือถือ (Android/iOS)
  • การวิเคราะห์โครงร่าง: ระบุพื้นที่ข้อความ ตาราง และรูปภาพในเอกสารที่ซับซ้อน
  • อัปเดตอย่างต่อเนื่อง: การเปิดตัวโมเดลใหม่เป็นประจำ (เช่น PP-OCRv4)
  • เหมาะสำหรับการใช้งานเชิงพาณิชย์: ใบอนุญาต Apache 2.0 สำหรับการใช้งานในองค์กร

การติดตั้ง

PaddleOCR ต้องการ Python 3.7+ และสามารถติดตั้งผ่าน pip ได้ การรองรับ GPU ต้องใช้ CUDA/cuDNN

การติดตั้งพื้นฐาน


pip install paddleocr paddlepaddle  #รุ่น CPU

สำหรับการใช้ GPU:

การรองรับ GPU


pip install paddleocr paddlepaddle-gpu  #ต้องใช้ CUDA 10.2+

หมายเหตุ: โมเดลที่ฝึกไว้ล่วงหน้าจะถูกดาวน์โหลดโดยอัตโนมัติเมื่อใช้งานครั้งแรก หรือดาวน์โหลดด้วยตนเองผ่าน paddleocr --lang en

ตัวอย่างโค้ด

ศึกษาความสามารถของ PaddleOCR ด้วยตัวอย่างเหล่านี้ ทั้งหมดนี้สมมติว่าคุณได้ติดตั้งโมเดลภาษาอังกฤษแล้ว

PaddleOCR Python

ตัวอย่าง 1: OCR พื้นฐาน

ในการสกัดข้อความจากภาพโดยใช้ PaddleOCR ด้วยโมเดลมาตรฐาน คุณเพียงแค่ต้องเริ่มต้นเครื่องมือ OCR ด้วยการกำหนดค่าเริ่มต้น ซึ่งรวมถึงการรองรับภาษาอังกฤษและการจำแนกมุมเพื่อเพิ่มความแม่นยำ PaddleOCR ใช้โมเดลการตรวจจับ การรู้จำ และการจำแนกที่ฝึกไว้ล่วงหน้าเพื่อระบุและตีความข้อความจากภาพที่ป้อนเข้า เมื่อประมวลผลภาพเสร็จสิ้น เครื่องมือ OCR จะส่งกลับข้อความที่ตรวจพบพร้อมตำแหน่งและคะแนนความเชื่อมั่นสำหรับแต่ละผลลัพธ์ การตั้งค่านี้เป็นวิธีที่รวดเร็วและมีประสิทธิภาพในการสกัดเนื้อหาข้อความจากภาพโดยไม่ต้องฝึกโมเดลที่กำหนดเองหรือการกำหนดค่าที่ซับซ้อน

OCR ภาพ


from paddleocr import PaddleOCR

ocr = PaddleOCR(use_angle_cls=True, lang='en')  # เริ่มต้น
result = ocr.ocr('image.jpg', cls=True)  # ประมวลผลภาพ

# แสดงข้อความที่รู้จำ
for line in result:
    print(line[-1][0])  # เนื้อหาข้อความ

ผลลัพธ์รวมถึง:

  • เนื้อหาข้อความและคะแนนความเชื่อมั่น
  • พิกัดของกล่องขอบเขต

ตัวอย่าง 2: การประมวลผลแบบกลุ่ม

ในการประมวลผลหลายภาพอย่างมีประสิทธิภาพโดยใช้ PaddleOCR คุณสามารถใช้ประโยชน์จากเทคนิคการประมวลผลแบบกลุ่มที่ลดการเริ่มต้นที่ซ้ำซ้อนและเพิ่มประสิทธิภาพ แทนที่จะเริ่มต้นเครื่องมือ OCR สำหรับแต่ละภาพ ขอแนะนำให้สร้างอินสแตนซ์เดียวของโมเดล OCR และนำกลับมาใช้ใหม่กับภาพทั้งหมด วิธีการนี้ช่วยลดเวลาในการประมวลผลและการใช้ทรัพยากรอย่างมาก โดยการป้อนเส้นทางภาพหลายรายการไปยังเครื่องมือ OCR ในลูปหรือใช้การประมวลผลแบบขนาน (เมื่อเหมาะสม) คุณสามารถสกัดข้อความจากชุดภาพขนาดใหญ่ได้อย่างรวดเร็วและมีประสิทธิภาพ เหมาะสำหรับเวิร์กโฟลว์ที่เกี่ยวข้องกับเอกสารแบบกลุ่ม ไฟล์ที่สแกน หรือการวิเคราะห์ภาพจำนวนมาก

OCR แบบกลุ่ม


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

ตัวอย่าง 3: การวิเคราะห์โครงร่าง

PaddleOCR ไม่เพียงแต่ใช้ในการรู้จำข้อความเท่านั้น แต่ยังสามารถระบุพื้นที่ข้อความเฉพาะและตรวจจับองค์ประกอบที่มีโครงสร้าง เช่น ตารางภายในภาพ ระบบจะระบุพื้นที่ข้อความก่อนผ่านโมเดลการตรวจจับ ซึ่งจะวาดกล่องขอบเขตรอบพื้นที่ข้อความแต่ละส่วน ช่วยให้ผู้ใช้เข้าใจตำแหน่งของข้อความภายในภาพ สำหรับโครงร่างที่ซับซ้อนมากขึ้น เช่น แบบฟอร์มหรือเอกสารที่มีตาราง PaddleOCR รองรับการวิเคราะห์โครงร่างและการรู้จำโครงสร้างตาราง ทำให้สามารถตรวจจับแถว คอลัมน์ และขอบเขตของเซลล์ได้ ซึ่งทำให้สามารถสกัดข้อมูลตารางในรูปแบบที่เป็นระเบียบ ความสามารถเหล่านี้มีประโยชน์อย่างยิ่งสำหรับการแปลงเอกสารที่สแกน ใบแจ้งหนี้ หรือสเปรดชีตเป็นดิจิทัล ที่มีทั้งข้อความอิสระและข้อมูลตารางอยู่ร่วมกัน

การตรวจจับโครงร่าง


from paddleocr import PPStructure

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

คุณสมบัติขั้นสูง

PaddleOCR รองรับเวิร์กโฟลว์ที่ซับซ้อน:

  • การฝึกแบบกำหนดเอง: ปรับแต่งโมเดลด้วยข้อมูลของคุณ:

    การฝึกโมเดล

    
    python tools/train.py -c configs/det/det_mv3_db.yml
  • การผสมหลายภาษา: ประมวลผลเอกสารหลายภาษา:

    OCR หลายภาษา

    
    ocr = PaddleOCR(lang='chinese+english')
  • รองรับ PDF: สกัดข้อความจาก PDF โดยตรง:

    การประมวลผล PDF

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

สรุป

PaddleOCR นำเสนอ OCR ที่พร้อมใช้งานจริง ด้วยการรองรับหลายภาษาและความสามารถในการปรับขนาดที่เหนือกว่า เหมาะสำหรับ:

  • การแปลงเอกสารเป็นดิจิทัล: PDF ที่สแกน ใบแจ้งหนี้ ใบเสร็จ
  • แอปพลิเคชันหลายภาษา: การรู้จำหนังสือเดินทาง หนังสือหลายภาษา
  • การใช้งานบน edge devices: แอปมือถือที่มี OCR บนอุปกรณ์

ด้วยการสนับสนุนจากระบบนิเวศการเรียนรู้เชิงลึกของ PaddlePaddle PaddleOCR ยังคงกำหนดมาตรฐานใหม่ในด้านความแม่นยำและประสิทธิภาพของ OCR

สินค้าที่คล้ายกัน

 Thai