नवीन ऑप्टिकल मजकूर ओळख प्रणाली EasyOCR

प्रकल्प इझीओसीआर एक नवीन ऑप्टिकल मजकूर ओळख प्रणाली विकसित केली जात आहे जी इंग्रजी, जर्मन, फ्रेंच, जपानी, चीनी, कोरियन, उझबेक, अझरबैजानी आणि लिथुआनियनसह 40 हून अधिक भाषांना समर्थन देते. सिरिलिक-आधारित भाषा अद्याप समर्थित नाहीत, परंतु त्या योजनांच्या सूचीमध्ये जोडल्या जात आहेत. फ्रेमवर्क वापरून कोड पायथनमध्ये लिहिलेला आहे पाय टोर्च и द्वारा वितरित Apache 2.0 अंतर्गत परवानाकृत. लोडिंगसाठी प्रदान केले जातात लॅटिन वर्णमाला आणि हायरोग्लिफ्सवर आधारित भाषांसाठी तयार मॉडेल.

इमेजमधील मजकूर ओळखण्यासाठी आणि ओळखण्यासाठी मशीन लर्निंग पद्धती वापरल्या जातात. मजकूर ओळखण्यासाठी मशीन लर्निंग अल्गोरिदम वापरला जातो क्राफ्ट (मजकूरासाठी वर्ण-क्षेत्र जागरूकता) मध्ये अंमलबजावणी PyTorch साठी, लेबल, माहिती चिन्हे आणि रस्ता चिन्हांसह अनियंत्रित वस्तूंवर मजकूर हायलाइट करण्यास सक्षम. कॅरेक्टर सीक्वेन्स ओळखण्यासाठी कन्व्होल्युशनल रिकरंट न्यूरल नेटवर्क वापरले जाते CRNN (Convolutional Recurrent Neural Network, DCNN आणि RNN चे संयोजन) आणि अल्गोरिदम CTC BeamSearch CTC BeamSearch (कनेक्शनिस्ट टेम्पोरल क्लासिफिकेशन) न्यूरल नेटवर्क आउटपुट मजकूर प्रस्तुतीकरणामध्ये डीकोड करण्यासाठी.

स्त्रोत: opennet.ru