EasyOCR

易捷OCR

即用型 OCR，支持 80 多种语言和所有流行的书写脚本，包括：拉丁文、中文、阿拉伯文、梵文、西里尔文等。

在我们的网站上尝试演示

融入 Huggingface 空间？使用Gradio。尝试一下网络演示：

什么是新的

• 2024 年 9 月 24 日 - 版本 1.7.2

  • 修复多项兼容性

• 阅读所有发行说明

接下来会发生什么

• 手写文字支持

示例

安装

使用pip安装

对于最新的稳定版本：

pip install easyocr

对于最新的开发版本：

pip install git+https://github.com/JaidedAI/EasyOCR.git

注 1：对于 Windows，请先按照官方说明安装 torch 和 torchvision https://pytorch.org。在 pytorch 网站上，请务必选择您拥有的正确的 CUDA 版本。如果您打算仅在 CPU 模式下运行，请选择CUDA = None 。

注2：我们在这里还提供了一个Dockerfile。

用法

 import easyocr
reader = easyocr . Reader ([ 'ch_sim' , 'en' ]) # this needs to run only once to load the model into memory
result = reader . readtext ( 'chinese.jpg' )

输出将采用列表格式，每个项目分别代表一个边界框、检测到的文本和置信度。

[([[189, 75], [469, 75], [469, 165], [189, 165]], '愚园路' , 0.3754989504814148),
 ([[86, 80], [134, 80], [134, 128], [86, 128]], '西' , 0.40452659130096436),
 ([[517, 81], [565, 81], [565, 123], [517, 123]], '东' , 0.9989598989486694),
 ([[78, 126], [136, 126], [136, 156], [78, 156]], ' 315 ' , 0.8125889301300049),
 ([[514, 126], [574, 126], [574, 156], [514, 156]], ' 309 ' , 0.4971577227115631),
 ([[226, 170], [414, 170], [414, 220], [226, 220]], ' Yuyuan Rd. ' , 0.8261902332305908),
 ([[79, 173], [125, 173], [125, 213], [79, 213]], ' W ' , 0.9848111271858215),
 ([[529, 173], [569, 173], [569, 213], [529, 213]], ' E ' , 0.8405593633651733)]

注1： ['ch_sim','en']是您要阅读的语言列表。您可以同时传递多种语言，但并非所有语言都可以一起使用。英语与所有语言兼容，并且具有共同字符的语言通常彼此兼容。

注 2：除了文件路径chinese.jpg之外，您还可以传递 OpenCV 图像对象（numpy 数组）或图像文件作为字节。原始图像的 URL 也是可以接受的。

注3：行reader = easyocr.Reader(['ch_sim','en'])用于将模型加载到内存中。这需要一些时间，但只需运行一次。

您还可以设置detail=0以获得更简单的输出。

 reader . readtext ( 'chinese.jpg' , detail = 0 )

结果：

[ '愚园路' , '西' , '东' , ' 315 ' , ' 309 ' , ' Yuyuan Rd. ' , ' W ' , ' E ' ]

所选语言的模型权重将自动下载，或者您可以从模型中心手动下载它们并将其放入“~/.EasyOCR/model”文件夹中

如果您没有 GPU，或者您的 GPU 内存不足，您可以通过添加gpu=False以仅 CPU 模式运行模型。

 reader = easyocr . Reader ([ 'ch_sim' , 'en' ], gpu = False )

有关更多信息，请阅读教程和 API 文档。

在命令行上运行

$ easyocr -l ch_sim en -f chinese.jpg --detail=1 --gpu=True

训练/使用您自己的模型

对于识别模型，请阅读此处。

对于检测模型 (CRAFT)，请阅读此处。

实施路线图

• 手写支持
• 重构代码以支持可交换的检测和识别算法 API 应该像

 reader = easyocr . Reader ([ 'en' ], detection = 'DB' , recognition = 'Transformer' )

我们的想法是能够将任何最先进的模型插入 EasyOCR。有很多天才试图做出更好的检测/识别模型，但我们并不是想成为天才。我们只是想让公众能够快速免费地接触到他们的作品。 （好吧，我们相信大多数天才都希望他们的工作尽可能快/尽可能大地产生积极影响）管道应该如下图所示。灰色插槽是可更换浅蓝色模块的占位符。

致谢和参考文献

该项目基于多篇论文和开源存储库的研究和代码。

所有深度学习执行均基于 Pytorch。 ❤️

检测执行使用此官方存储库及其论文中的 CRAFT 算法（感谢来自 @clovaai 的 @YoungminBaek）。我们还使用他们的预训练模型。训练脚本由@gmuffiness 提供。

识别模型是CRNN（论文）。它由 3 个主要组件组成：特征提取（我们目前使用 Resnet）和 VGG、序列标记（LSTM）和解码​​（CTC）。用于识别执行的训练管道是深度文本识别基准框架的修改版本。 （感谢@clovaai 的@ku21fan）这个存储库是一个值得更多认可的宝石。

Beam 搜索代码基于此存储库和他的博客。 （感谢@githubharald）

数据合成基于TextRecognitionDataGenerator。 （感谢@Belval）

在这里，您可以从 distill.pub 阅读有关 CTC 的精彩内容。

想要贡献吗？

让我们共同进步人类，让人工智能为每个人所用！

3 种贡献方式：

编码员：请发送 PR 以了解小错误/改进。对于更大的问题，请先打开问题与我们讨论。有一个可能的错误/改进问题的列表，标记为“PR WELCOME”。

用户：告诉我们 EasyOCR 如何使您/您的组织受益，以鼓励进一步发展。还在问题部分发布失败案例以帮助改进未来的模型。

技术负责人/大师：如果您发现这个库有用，请传播！ （参见 Yann Lecun 关于 EasyOCR 的帖子）

新语言请求指南

要请求新语言，我们需要您发送包含以下 2 个文件的 PR：

1. 在文件夹 easyocr/character 中，我们需要包含所有字符列表的“yourlanguagecode_char.txt”。请参阅该文件夹中其他文件的格式示例。
2. 在文件夹 easyocr/dict 中，我们需要包含您语言的单词列表的“yourlanguagecode.txt”。平均而言，每种语言大约有 30000 个单词，其中更流行的语言有超过 50000 个单词。该文件越多越好。

如果您的语言有独特的元素（例如 1. 阿拉伯语：字符相互连接时会改变形式 + 从右向左书写 2. 泰语：有些字符需要位于行上方，有些位于行下方），请教育我们最好您的能力和/或提供有用的链接。为了实现真正有效的系统，关注细节非常重要。

最后，请理解，我们的优先级必须是流行语言或彼此共享大部分字符的语言集（也请告诉我们您的语言是否属于这种情况）。我们至少需要一周的时间来开发新型号，因此您可能需要等待一段时间才能发布新型号。

请参阅正在开发的语言列表

Github 问题

由于资源有限，超过 6 个月的问题将自动关闭。如果问题很关键，请再次提出问题。

业务查询

对于企业支持，Jaided AI 为定制 OCR/AI 系统提供从实施、培训/微调到部署的全方位服务。单击此处联系我们。