નવી ઓપ્ટિકલ ટેક્સ્ટ રેકગ્નિશન સિસ્ટમ EasyOCR

પ્રોજેક્ટ EasyOCR નવી ઓપ્ટિકલ ટેક્સ્ટ રેકગ્નિશન સિસ્ટમ વિકસાવવામાં આવી રહી છે જે અંગ્રેજી, જર્મન, ફ્રેન્ચ, જાપાનીઝ, ચાઇનીઝ, કોરિયન, ઉઝબેક, અઝરબૈજાની અને લિથુનિયન સહિત 40 થી વધુ ભાષાઓને સપોર્ટ કરે છે. સિરિલિક-આધારિત ભાષાઓ હજુ સુધી સમર્થિત નથી, પરંતુ તે યોજનાઓની સૂચિમાં ઉમેરવામાં આવી રહી છે. કોડ ફ્રેમવર્કનો ઉપયોગ કરીને પાયથોનમાં લખાયેલ છે પાયટોર્ચ и દ્વારા વિતરિત Apache 2.0 હેઠળ લાઇસન્સ. લોડ કરવા માટે આપવામાં આવે છે લેટિન મૂળાક્ષરો અને હિયેરોગ્લિફ્સ પર આધારિત ભાષાઓ માટે તૈયાર મોડેલો.

ઇમેજમાં ટેક્સ્ટને ઓળખવા અને ઓળખવા માટે મશીન લર્નિંગ પદ્ધતિઓનો ઉપયોગ કરવામાં આવે છે. ટેક્સ્ટને ઓળખવા માટે મશીન લર્નિંગ અલ્ગોરિધમનો ઉપયોગ થાય છે CRAFT (ટેક્સ્ટ માટે અક્ષર-પ્રદેશ જાગૃતિ) માં અમલીકરણ PyTorch માટે, લેબલ્સ, માહિતી ચિહ્નો અને માર્ગ ચિહ્નો સહિત મનસ્વી ઑબ્જેક્ટ પર ટેક્સ્ટને હાઇલાઇટ કરવામાં સક્ષમ. એક કન્વોલ્યુશનલ રિકરન્ટ ન્યુરલ નેટવર્કનો ઉપયોગ અક્ષર સિક્વન્સને ઓળખવા માટે થાય છે સીઆરએનએન (કન્વોલ્યુશનલ રિકરન્ટ ન્યુરલ નેટવર્ક, ડીસીએનએન અને આરએનએનનું મિશ્રણ) અને અલ્ગોરિધમ CTC BeamSearch ટેક્સ્ટ રજૂઆતમાં ન્યુરલ નેટવર્ક આઉટપુટને ડીકોડ કરવા માટે CTC BeamSearch (કનેક્શનિસ્ટ ટેમ્પોરલ વર્ગીકરણ).

સોર્સ: opennet.ru