Rozwiązanie OCR oparte na uczeniu głębokim w Pythonie

Czym jest interfejs API docTR dla Pythona?

docTR (Document Text Recognition) to otwartoźródłowa biblioteka optycznego rozpoznawania znaków (OCR) oparta na uczeniu głębokim dla Pythona. Zapewnia zaawansowane wykrywanie i rozpoznawanie tekstu w zeskanowanych dokumentach, obrazach i plikach PDF. Wykorzystując nowoczesne architektury uczenia głębokiego, docTR zapewnia wysoką dokładność i wydajność w wydobywaniu tekstu przy zachowaniu struktury dokumentu.

docTR jest szeroko stosowany w digitalizacji dokumentów, automatycznym wydobywaniu danych oraz aplikacjach rozpoznawania tekstu opartych na sztucznej inteligencji. Obsługuje wiele języków, rozpoznawanie pisma odręcznego oraz przyspieszenie GPU dla lepszej wydajności.

Kluczowe funkcje interfejsu API docTR

• Zaawansowane OCR oparte na uczeniu głębokim: Wykorzystuje sieci neuronowe do precyzyjnego wykrywania i rozpoznawania tekstu
• Obsługa wielu formatów: Działa bezproblemowo z obrazami, PDF-ami i zeskanowanymi dokumentami
• Rozpoznawanie pisma odręcznego: Wykrywa i wydobywa tekst odręczny z niezwykłą dokładnością
• Rozpoznawanie wielojęzyczne: Obsługuje różne języki i systemy pisma
• Zoptymalizowany pod kątem szybkości: Wydajne wydobywanie tekstu z wykorzystaniem przyspieszenia GPU
• Zachowuje układ dokumentu: Utrzymuje strukturę podczas rozpoznawania tekstu
• Skalowalny i otwartoźródłowy: Darmowy w użyciu i stale rozwijany

Rozpoczęcie pracy z interfejsem API docTR

Aby zainstalować docTR, użyj następującej komendy pip:

pip install python-doctr

Jeśli chcesz włączyć przyspieszenie GPU dla szybszego przetwarzania, zainstaluj dodatkowe zależności:

pip install tensorflow-gpu torch torchvision

Przykłady kodu do wydobywania tekstu za pomocą interfejsu API docTR

Poniżej znajduje się kilka przykładów demonstrujących wydobywanie tekstu z obrazów i dokumentów przy użyciu docTR.

Przykład 1: Wydobywanie tekstu z obrazu

Ten przykład pokazuje, jak załadować obraz, zastosować OCR za pomocą docTR i wydobyć tekst. Wydobyty tekst zawiera swoje położenie na obrazie, co jest przydatne w strukturalnym przetwarzaniu dokumentów.

from doctr.io import DocumentFile
from doctr.models import ocr_predictor

doc = DocumentFile.from_images("sample.png")
model = ocr_predictor(pretrained=True)
result = model(doc)
print(result.export())

Przykład 2: Przetwarzanie wielostronicowego dokumentu PDF

Jeśli potrzebujesz wydobyć tekst z pliku PDF zawierającego wiele stron, docTR upraszcza ten proces. Poniższy przykład pokazuje, jak wydajnie wydobyć tekst z każdej strony.

from doctr.io import DocumentFile
from doctr.models import ocr_predictor

doc = DocumentFile.from_pdf("sample.pdf")
model = ocr_predictor(pretrained=True)
result = model(doc)
print(result.export())

Przykład 3: Rozpoznawanie tekstu odręcznego

docTR może również rozpoznawać tekst odręczny, co czyni go idealnym do digitalizacji odręcznych notatek, formularzy lub historycznych dokumentów. Ten przykład demonstruje wydobywanie tekstu z syntetycznego dokumentu odręcznego.

from doctr.models import ocr_predictor
from doctr.datasets import synthetic_documents

doc = synthetic_documents()[0]
model = ocr_predictor(pretrained=True)
result = model(doc)
print(result.export())

Podsumowanie

Interfejs API docTR to potężne rozwiązanie OCR oparte na uczeniu głębokim, które upraszcza wydobywanie tekstu z obrazów, PDF-ów i dokumentów odręcznych. Zapewnia wysoką dokładność przy zachowaniu struktury dokumentu, co czyni go cennym narzędziem do przetwarzania dokumentów opartego na sztucznej inteligencji, automatyzacji i wydobywania danych.

Niezależnie od tego, czy pracujesz nad digitalizacją dokumentów, automatycznym wprowadzaniem danych, czy rozpoznawaniem tekstu opartym na sztucznej inteligencji, docTR oferuje elastyczne i wydajne rozwiązanie dostosowane do Twoich potrzeb.

Podobne Produkty