EasyOCR

易捷OCR

即用型 OCR，支援 80 多種語言和所有流行的書寫腳本，包括：拉丁文、中文、阿拉伯文、梵文、西里爾文等。

在我們的網站上嘗試演示

融入 Huggingface 空間？使用Gradio。試試網路示範：

什麼是新的

• 2024 年 9 月 24 日 - 版本 1.7.2

  • 修復多項相容性

• 閱讀所有發行說明

接下來會發生什麼

• 手寫文字支持

範例

安裝

使用pip安裝

對於最新的穩定版本：

pip install easyocr

對於最新的開發版本：

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

註 1：對於 Windows，請先按照官方說明安裝 torch 和 torchvision https://pytorch.org。在 pytorch 網站上，請務必選擇您擁有的正確的 CUDA 版本。如果您打算僅在 CPU 模式下執行，請選擇CUDA = None 。

註2：我們在這裡也提供了一個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' )

輸出將採用清單格式，每個項目分別代表一個邊界框、偵測到的文字和置信度。

[([[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)]

註1： ['ch_sim','en']是您要閱讀的語言清單。您可以同時傳遞多種語言，但並非所有語言都可以一起使用。英語與所有語言相容，具有共同字元的語言通常彼此相容。

註 2：除了檔案路徑chinese.jpg之外，您還可以傳遞 OpenCV 圖像物件（numpy 陣列）或圖像檔案作為位元組。原始圖像的 URL 也是可以接受的。

註3：行reader = easyocr.Reader(['ch_sim','en'])用於將模型載入到記憶體中。這需要一些時間，但只需運行一次。

您也可以設定detail=0以獲得更簡單的輸出。

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

結果：

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

所選語言的模型權重將自動下載，或者您可以從模型中心手動下載它們並將其放入“~/.EasyOCR/model”資料夾中

如果您沒有 GPU，或者您的 GPU 記憶體不足，您可以透過新增gpu=False以僅 CPU 模式運行模型。

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

有關更多信息，請閱讀教程和 API 文件。

在命令列上運行

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

訓練/使用自己的模型

對於識別模型，請閱讀此處。

對於檢測模型 (CRAFT)，請閱讀此處。

實施路線圖

• 手寫支持
• 重構程式碼以支援可交換的偵測和識別演算法 API 應該像

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

我們的想法是能夠將任何最先進的型號插入 EasyOCR。有很多天才試圖做出更好的檢測/識別模型，但我們並不是想成為天才。我們只是想讓大眾能夠快速、免費地接觸他們的作品。 （好吧，我們相信大多數天才都希望他們的工作盡可能快/盡可能大地產生積極影響）管道應該如下圖所示。灰色插槽是可更換淺藍色模組的佔位符。

致謝和參考文獻

該專案基於多篇論文和開源存儲庫的研究和程式碼。

所有深度學習執行均基於 Pytorch。 ❤️

檢測執行使用此官方儲存庫及其論文中的 CRAFT 演算法（感謝來自 @clovaai 的 @YoungminBaek）。我們也使用他們的預訓練模型。訓練腳本由@gmuffiness 提供。

辨識模型是CRNN（論文）。它由 3 個主要組件組成：特徵提取（我們目前使用 Resnet）和 VGG、序列標記（LSTM）和解碼（CTC）。用於識別執行的訓練管道是深度文字辨識基準框架的修改版本。 （感謝@clovaai 的@ku21fan）這個儲存庫是一個值得更多認可的寶石。

Beam 搜尋程式碼基於此儲存庫和他的部落格。 （感謝@githubharald）

資料合成基於TextRecognitionDataGenerator。 （感謝@Belval）

在這裡，您可以從 distill.pub 閱讀有關 CTC 的精彩內容。

想要貢獻嗎？

讓我們共同進步人類，讓人工智慧為每個人所用！

3 種貢獻方式：

編碼員：請發送 PR 以了解小錯誤/改進。對於更大的問題，請先打開問題與我們討論。有一個可能的錯誤/改進問題的列表，標記為“PR WELCOME”。

使用者：告訴我們 EasyOCR 如何使您/您的組織受益，以鼓勵進一步發展。也在問題部分發布失敗案例以幫助改進未來的模型。

技術負責人/大師：如果您發現這個庫有用，請傳播！ （請參閱 Yann Lecun 關於 EasyOCR 的文章）

新語言請求指南

要請求新語言，我們需要您傳送包含以下 2 個檔案的 PR：

1. 在資料夾 easyocr/character 中，我們需要包含所有字元清單的「yourlanguagecode_char.txt」。請參閱該資料夾中其他文件的格式範例。
2. 在資料夾 easyocr/dict 中，我們需要包含您語言的單字清單的「yourlanguagecode.txt」。平均而言，每種語言大約有 30000 個單詞，其中較流行的語言有超過 50000 個單字。該文件越多越好。

如果您的語言有獨特的元素（例如 1. 阿拉伯語：字符相互連接時會改變形式 + 從右向左書寫 2. 泰語：有些字符需要位於行上方，有些位於行下方），請教育我們最好您的能力和/或提供有用的連結。為了實現真正有效的系統，專注於細節非常重要。

最後，請瞭解，我們的優先順序必須是流行語言或彼此共享大部分字元的語言集（也請告訴我們您的語言是否屬於這種情況）。我們至少需要一周的時間來開發新型號，因此您可能需要等待一段時間才能發布新型號。

請參閱正在開發的語言列表

Github 問題

由於資源有限，超過 6 個月的問題將自動關閉。如果問題很關鍵，請再次開啟問題。

業務查詢

對於企業支持，Jaided AI 為客製化 OCR/AI 系統提供從實施、培訓/微調到部署的全方位服務。點擊此處聯絡我們。