പുതിയ ഒപ്റ്റിക്കൽ ടെക്സ്റ്റ് റെക്കഗ്നിഷൻ സിസ്റ്റം EasyOCR

പദ്ധതി EasyOCR ഇംഗ്ലീഷ്, ജർമ്മൻ, ഫ്രഞ്ച്, ജാപ്പനീസ്, ചൈനീസ്, കൊറിയൻ, ഉസ്ബെക്ക്, അസർബൈജാനി, ലിത്വാനിയൻ എന്നിവയുൾപ്പെടെ 40-ലധികം ഭാഷകളെ പിന്തുണയ്ക്കുന്ന ഒരു പുതിയ ഒപ്റ്റിക്കൽ ടെക്സ്റ്റ് റെക്കഗ്നിഷൻ സിസ്റ്റം വികസിപ്പിച്ചുകൊണ്ടിരിക്കുന്നു. സിറിലിക് അധിഷ്‌ഠിത ഭാഷകൾ ഇതുവരെ പിന്തുണയ്‌ക്കുന്നില്ല, പക്ഷേ അവ പ്ലാനുകളുടെ പട്ടികയിലേക്ക് ചേർക്കുന്നു. ചട്ടക്കൂട് ഉപയോഗിച്ച് പൈത്തണിലാണ് കോഡ് എഴുതിയിരിക്കുന്നത് പൈടോർച്ച് и വിതരണം ചെയ്തത് അപ്പാച്ചെ 2.0 പ്രകാരം ലൈസൻസ്. ലോഡിംഗിനായി നൽകിയിരിക്കുന്നു ലാറ്റിൻ അക്ഷരമാലയും ഹൈറോഗ്ലിഫും അടിസ്ഥാനമാക്കിയുള്ള ഭാഷകൾക്കുള്ള റെഡിമെയ്ഡ് മോഡലുകൾ.

ഒരു ഇമേജിലെ വാചകം തിരിച്ചറിയാനും തിരിച്ചറിയാനും മെഷീൻ ലേണിംഗ് രീതികൾ ഉപയോഗിക്കുന്നു. ടെക്സ്റ്റ് തിരിച്ചറിയാൻ ഒരു മെഷീൻ ലേണിംഗ് അൽഗോരിതം ഉപയോഗിക്കുന്നു ക്രാഫ്റ്റ് (ടെക്‌സ്റ്റിനുള്ള സ്വഭാവ-മേഖല അവബോധം) ഇൻ നടപ്പിലാക്കൽ PyTorch-ന്, ലേബലുകൾ, വിവര ചിഹ്നങ്ങൾ, റോഡ് അടയാളങ്ങൾ എന്നിവയുൾപ്പെടെ അനിയന്ത്രിതമായ ഒബ്‌ജക്റ്റുകളിൽ ടെക്‌സ്‌റ്റ് ഹൈലൈറ്റ് ചെയ്യാൻ കഴിവുള്ളവയാണ്. ക്യാരക്ടർ സീക്വൻസുകൾ തിരിച്ചറിയാൻ ഒരു കൺവല്യൂഷണൽ ആവർത്തന ന്യൂറൽ നെറ്റ്‌വർക്ക് ഉപയോഗിക്കുന്നു CRNN (Convolutional Recurrent Neural Network, DCNN, RNN എന്നിവയുടെ സംയോജനം) അൽഗോരിതം CTC ബീം തിരയൽ ന്യൂറൽ നെറ്റ്‌വർക്ക് ഔട്ട്‌പുട്ട് ടെക്‌സ്‌റ്റ് പ്രാതിനിധ്യത്തിലേക്ക് ഡീകോഡ് ചെയ്യുന്നതിന് CTC ബീംസെർച്ച് (കണക്ഷനിസ്റ്റ് ടെമ്പറൽ ക്ലാസിഫിക്കേഷൻ).

അവലംബം: opennet.ru