Giải pháp OCR dựa trên học sâu trong Python

API docTR cho Python là gì?

docTR (Document Text Recognition) là thư viện mã nguồn mở Nhận dạng Ký tự Quang học (OCR) dựa trên học sâu cho Python. Nó cung cấp khả năng phát hiện và nhận dạng văn bản tiên tiến cho tài liệu scan, hình ảnh và file PDF. Bằng cách sử dụng các kiến trúc học sâu hiện đại, docTR đảm bảo độ chính xác và hiệu quả cao trong việc trích xuất văn bản trong khi vẫn giữ nguyên cấu trúc tài liệu.

docTR được sử dụng rộng rãi cho số hóa tài liệu, trích xuất dữ liệu tự động và các ứng dụng nhận dạng văn bản AI. Hỗ trợ đa ngôn ngữ, nhận dạng chữ viết tay và tăng tốc GPU để cải thiện hiệu suất.

Tính năng chính của API docTR

• OCR học sâu nâng cao: Sá»­ dụng mạng nÆ¡-ron để phát hiện và nhận dạng văn bản chính xác
• Hỗ trợ đa định dạng: Làm việc liền mạch với hình ảnh, PDF và tài liệu scan
• Nhận dạng chữ viết tay: Phát hiện và trích xuất văn bản viết tay với độ chính xác cao
• Nhận dạng đa ngôn ngữ: Hỗ trợ nhiều ngôn ngữ và hệ thống chữ viết
• Tối Æ°u hóa tốc độ: Trích xuất văn bản hiệu quả với tăng tốc GPU
• Bảo toàn bố cục tài liệu: Giữ nguyên cấu trúc trong quá trình nhận dạng văn bản
• Mở rộng và mã nguồn mở: Miễn phí sá»­ dụng và liên tục được cải tiến

Bắt đầu với API docTR

Để cài đặt docTR, sử dụng lệnh pip sau:

pip install python-doctr

Nếu muốn bật tăng tốc GPU để xử lý nhanh hơn, cài đặt các phụ thuộc bổ sung:

pip install tensorflow-gpu torch torchvision

Ví dụ mã trích xuất văn bản bằng API docTR

Dưới đây là một số ví dụ minh họa việc trích xuất văn bản từ hình ảnh và tài liệu bằng docTR.

Ví dụ 1: Trích xuất văn bản từ hình ảnh

Ví dụ này minh họa cách tải hình ảnh, áp dụng OCR với docTR và trích xuất văn bản. Văn bản trích xuất bao gồm vị trí của nó trong hình ảnh, hữu ích cho xử lý tài liệu có cấu trúc.

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())

Ví dụ 2: Xử lý tài liệu PDF nhiều trang

Nếu bạn cần trích xuất văn bản từ file PDF chứa nhiều trang, docTR đơn giản hóa quá trình này. Ví dụ sau minh họa cách trích xuất văn bản từ mỗi trang một cách hiệu quả.

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())

Ví dụ 3: Nhận dạng chữ viết tay

docTR cũng có thể nhận dạng chữ viết tay, lý tưởng để số hóa ghi chú viết tay, biểu mẫu hoặc tài liệu lịch sử. Ví dụ này minh họa việc trích xuất văn bản từ tài liệu viết tay tổng hợp.

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())

Kết luận

API docTR là một giải pháp OCR mạnh mẽ dựa trên học sâu giúp đơn giản hóa việc trích xuất văn bản từ hình ảnh, PDF và tài liệu viết tay. Nó đảm bảo độ chính xác cao trong khi vẫn giữ nguyên cấu trúc tài liệu, trở thành công cụ giá trị cho xử lý tài liệu AI, tự động hóa và trích xuất dữ liệu.

Dù bạn đang làm việc với số hóa tài liệu, nhập liệu tự động hay nhận dạng văn bản AI, docTR cung cấp giải pháp linh hoạt và hiệu quả phù hợp với nhu cầu của bạn.

Sản Phẩm Tương Tự