Нова система за оптично разпознаване на текст EasyOCR

Проект EasyOCR развива нова система за оптично разпознаване на текст, която поддържа над 40 езика, включително английски, немски, френски, японски, китайски, корейски, узбекски, азербайджански и литовски. Езиците, базирани на кирилица, все още не са поддържани, но добавянето им е в списъка с плановете. Кодът е написан на езика Python с използването на фреймворка PyTorch и се разпространява под лиценза Apache 2.0. За изтегляне са предоставени готови модели за езици на основа на латинската азбука и йероглифи.

За определяне и разпознаване на текст на изображение се прилагат методи на машинно обучение. За определяне на текста се използва алгоритъм за машинно обучение CRAFT (Character-Region Awareness For Text) в реализация за PyTorch, способен да извлича текст от произволни обекти, включително етикети, информационни табели и пътни знаци. За разпознаване на последователности от символи се прилага свиваща-рекурсивна невропрограма CRNN (Convolutional Recurrent Neural Network, комбинация от DCNN и RNN) и алгоритъм CTC BeamSearch CTC BeamSearch (Connectionist Temporal Classification) за декодиране на изходните данни на невропрограмата в текстово представяне.

Източник: opennet.ru