تنزيل BetterOCR - تنزيل رمز مصدر BetterOCR

BetterOCR

شفرة المصدر الأخرى

v1.2.0 (? Pororo OCR)

تنزيل

أفضل

؟ اكتشاف نص أفضل من خلال الجمع بين محركات التعرف الضوئي التعريفي المتعددة؟ LLM.

OCR لا يزال تمتص! ... خاصة عندما تكون من الجانب الآخر من العالم (وتواجه نقصًا كبيرًا في بيانات التدريب بلغتك) - أو لا تشعر بسعادة غامرة بنتائج صاخبة.

يجمع BetterOCR بين نتائج محركات التعرف الضوئي التعريفي المتعددة مع LLM لتصحيح وإعادة بناء المخرجات.

؟ محركات OCR

يدعم حاليًا Easyoch (Jaideai) و Tesseract (Google) و Pororo (Kakaobrain).

بالنسبة إلى Pororo ، نحن نستخدم الرمز من https://github.com/black7375/korean_ocr_using_pororo
(المعالجة المسبقة ➡ اكتشاف النص مع التعرف على النص EasyOCR مع BrainOCR (وحدة OCR Pororo)).
يتم استخدام Pororo فقط إذا كانت خيارات اللغة ( lang ) المحددة تشمل إما ؟؟ اللغة الإنجليزية ( en ) أو ؟؟ الكورية ( ko ). كما يجب أن تكون التبعيات الإضافية المدرجة في [tool.poetry.group.pororo.dependencies] متاحة. (إذا لم يكن الأمر كذلك ، فسيتم استبعاده تلقائيًا من المحركات الممكّنة.)

؟ LLM

يدعم نماذج الدردشة من Openai.

؟ سياق مخصص

يسمح للمستخدمين بتوفير سياق اختياري لاستخدام كلمات رئيسية محددة مثل الأسماء المناسبة وأسماء المنتجات. هذا يساعد في تصحيح الإملاء وتحديد الضوضاء ، مما يضمن الدقة حتى مع الكلمات النادرة أو غير التقليدية.

؟ ️ الموارد

توجه إلى؟ أمثلة لعرض الأداء باللغات (؟؟ ، ؟؟ ، ؟؟ ،؟).
قريباً: ~~اكتشاف الصندوق~~ ؟ ✅ ، واجهة محسنة؟ ، الدعم غير المتزامن ، وأكثر من ذلك. المساهمات موضع ترحيب.

تحذير
هذه الحزمة تحت التطوير السريع؟

بنيان

الاستخدام (WIP)

pip install betterocr
# pip3 install betterocr

 import betterocr

# text detection
text = betterocr . detect_text (
    "demo.png" ,
    [ "ko" , "en" ], # language codes (from EasyOCR)
    context = "" , # (optional) context
    tesseract = {
      # Tesseract options here
      "config" : "--tessdata-dir ./tessdata"
    },
    openai = {
      # OpenAI options here

      # `os.environ["OPENAI_API_KEY"]` is used by default
      "API_KEY" : "sk-xxxxxxx" ,

      # rest are used to pass params to `client.chat.completions.create`
      # `{"model": "gpt-4"}` by default
      "model" : "gpt-3.5-turbo" ,
    },
)
print ( text )

؟ اكتشاف الصندوق

إبداعي	مُكتَشَف

مثال البرنامج النصي: https://github.com/junhoyeo/betterock

 import betterocr

image_path = ".github/images/demo-1.png"
items = betterocr . detect_boxes (
    image_path ,
    [ "ko" , "en" ],
    context = "퍼멘테이션 펩타인 아이케어 크림" ,  # product name
    tesseract = {
        "config" : "--psm 6 --tessdata-dir ./tessdata -c tessedit_create_boxfile=1"
    },
)
print ( items )

عرض الإخراج

[
  { 'text' : 'JUST FOR YOU' , 'box' : [[ 543 , 87 ], [ 1013 , 87 ], [ 1013 , 151 ], [ 543 , 151 ]]},
  { 'text' : '이런 분들께 추천드리는 퍼멘테이션 펩타인 아이케어 크림' , 'box' : [[ 240 , 171 ], [ 1309 , 171 ], [ 1309 , 224 ], [ 240 , 224 ]]},
  { 'text' : '매일매일 진해지는 다크서클을 개선하고 싶다면' , 'box' : [[ 123 , 345 ], [ 1166 , 345 ], [ 1166 , 396 ], [ 123 , 396 ]]},
  { 'text' : '축축 처지는 피부를 탄력 있게 바꾸고 싶다면' , 'box' : [[ 125 , 409 ], [ 1242 , 409 ], [ 1242 , 470 ], [ 125 , 470 ]]},
  { 'text' : '나날이 늘어가는 눈가 주름을 완화하고 싶다면' , 'box' : [[ 123 , 479 ], [ 1112 , 479 ], [ 1112 , 553 ], [ 123 , 553 ]]},
  { 'text' : 'FERMENATION' , 'box' : [[ 1216 , 578 ], [ 1326 , 578 ], [ 1326 , 588 ], [ 1216 , 588 ]]},
  { 'text' : '민감성 피부에도 사용할 수 있는 아이크림을 찾는다면' , 'box' : [[ 134 , 534 ], [ 1071 , 534 ], [ 1071 , 618 ], [ 134 , 618 ]]},
  { 'text' : '얇고 예민한 눈가 주변 피부를 관리하고 싶다면' , 'box' : [[ 173 , 634 ], [ 1098 , 634 ], [ 1098 , 690 ], [ 173 , 690 ]]}
]

؟ أمثلة

ملحوظة
قد تختلف النتائج بسبب التباين المتأصل والتحديثات المستقبلية المحتملة لمحركات التعرف الضوئي على الحروف أو API Openai.

مثال 1 (اللغة الإنجليزية مع الضوضاء)

مصدر	نص
سهل	`CHAINSAWMANChapter 109:The Easy Way to Stop Bullying~BV-THTSUKIFUUIMUTU ETT`
tesseract	`A ira \| LT ge a TE ay NSnye SE F Pa Ce YI AIG 44nopr See aCn; a) Ny 7S =u \|n_ F2 SENNn ZRn3 ~ 1 A Ws —— “s 7 “An=) 24 4 = rt fl /1n£72 7 a NS dA Chapter 109:77/ ¢ 4nZz % = ~ oes os \| STheEasf Way.to Stop Bullying:n© Wa) ROTnn`
بوررو	`CHAINSAWNANnChapter 109nThe Easy Way.to Stop Bullying.nCBY=TATSUKI FUJIMDTO`
LLM	؟ GPT-3.5
نتيجة	`CHAINSAW MANnnChapter 109: The Easy Way to Stop BullyingnnBY: TATSUKI FUJIMOTO`

مثال 2 (الكوري+الإنجليزية)

مصدر	نص
سهل	`JUST FOR YOU이런 분들께 추천드리는 퍼멘테이선 팬타인 아이켜어 크림매일매일 진해지논 다크서클올 개선하고 싶다면축축 처지논 피부름 탄력 잇게 바꾸고 싶다면나날이 늘어가는 눈가 주름올 완화하고 싶다면FERMENATION민감성 피부에도 사용할 수잇는 아이크림올 찾는다면얇고 예민한 눈가 주변 피부름 관리하고 싶다면`
tesseract	`9051 508 ㅇ4n이런 분들께 추천드리는 퍼멘테이션 타인 아이케어 크림n.매일매일 진해지는 다크서클을 개선하고 싶다면 "도nㆍ축축 처지는 피부를 탄력 있게 바꾸고 싶다면 7nㆍ나날이 늘어가는 눈가 주름을 완화하고 싶다면 /n-민감성 피부에도 사용할 수 있는 아이크림을 찾는다면 (프nㆍ않고 예민한 눈가 주변 피부를 관리하고 싶다면 밸nn`
بوررو	`JUST FOR YOUn이런 분들께 추천드리는 퍼맨테이션 펩타인 아이케어 크림n매일매일 진해지는 다크서클을 개선하고 싶다면n촉촉 처지는 피부를 탄력 있게 바꾸고 싶다면n나날이 늘어가는 눈가 주름을 완화하고 싶다면nFERMENTATIOMn민감성 피부에도 사용할 수 있는 아이크림을 찾는다면n얇고 예민한 눈가 주변 피부를 관리하고 싶다면`
LLM	؟ GPT-3.5
نتيجة	`JUST FOR YOUn이런 분들께 추천드리는 퍼멘테이션 펩타인 아이케어 크림n매일매일 진해지는 다크서클을 개선하고 싶다면n축축 처지는 피부를 탄력 있게 바꾸고 싶다면n나날이 늘어가는 눈가 주름을 완화하고 싶다면nFERMENTATIONn민감성 피부에도 사용할 수 있는 아이크림을 찾는다면n얇고 예민한 눈가 주변 피부를 관리하고 싶다면`

مثال 3 (كوري مع `context` مخصص)

مصدر	نص
سهل	`바이오함보#세로모공존존세럼6글로우픽 설문단 100인이꼼꼼하게 평가햇어요"#누적 판매액 40억#제품만족도 1009`
tesseract	`바이오힐보n#세로모공폰폰세럼n“글로 으피 석무다 1 00인이n꼼꼼하게평가했어요”nn`
بوررو	`바이오힐보n#세로모공쫀쫀세럼n'.n'글로우픽 설문단 100인이n꼼꼼하게 평가했어요'"n#누적 판매액 40억n# 제품 만족도 100%`
سياق	`[바이오힐보] 세로모공쫀쫀세럼으로 콜라겐 타이트닝! (6S)`
LLM	؟ GPT-4
نتيجة	`바이오힐보n#세로모공쫀쫀세럼n글로우픽 설문단 100인이 꼼꼼하게 평가했어요n#누적 판매액 40억n#제품 만족도 100%`

؟ منطق LLM (*قديم)

استنادًا إلى نتائج التعرف الضوئي على الحروف والسياق ، هنا هي النتيجة المشتركة والتصحيح:

 {
  "data": "바이오힐보n#세로모공쫀쫀세럼n글로우픽 설문단 100인이 꼼꼼하게 평가했어요n#누적 판매액 40억n#제품만족도 100%"
}

바이오힐보 هو اسم العلامة التجارية الصحيح ، مأخوذ من [1] والسياق.
#세로모공쫀쫀세럼 يبدو أن اسم المنتج ومستمد من السياق.
글로우픽 설문단 100인이 꼼꼼하게 평가했어요 꼼꼼하게 يتم استخلاص وتصحيح من كلا نتائج التعرف الضوئي على الحروف.
#누적 판매액 40억 مأخوذ من [0].
#제품만족도 100% يتم تصحيحها من [0].

مثال 4 (الهندية)

مصدر	نص
سهل	`७नवभारतटाइम्सतोक्यो ओलिंपिक के लिए भारतीय दलका थीम सॉन्ग लॉन्च कर दिया गयाबुधवार को इस सॉन्ग को किया गया लॉन्चसिंगर मोहित चौहान ने दी है आवाज7लखेल मंत्री किरण रिजिजू ने ट्विटर पर शेयरकिया थीम सॉन्ग का वीडियो0ब४0 २०२०गीत का नाम- '्लक्ष्य तेरा सामने है' , खेलमंत्री ने ५७ सेकंड का वीडियो किया शेयर
tesseract	'8ा.nनवभोरत टैइम्सnnतोक्यो ओलिंपिक के लिंए भारतीय दलnnका थीम सॉन्ग लॉन्च कर दिया गयाnnबुधवार को हस सॉन्ग को किया गया लॉन्चnसिंगर मोहित चौहान ने दी है आवाजnnखेल मंत्री किरण रिजिजू ने द्विटर पर शेयरnकिया थीम सॉन्ग का वीडियोnnपृ 0 (९ है 0 2 0 2 0 गीत का नाम- 'लक्ष्य तेरा सामने है', खेलnn(2 (9९) मंत्री ने 57 सेकंड का वीडियो किया शेयरnn
LLM	؟ GPT-4
نتيجة	नवभारत टाइम्सnतोक्यो ओलिंपिक के लिए भारतीय दल का थीम सॉन्ग लॉन्च कर दिया गयाnबुधवार को इस सॉन्ग को किया गया लॉन्चnसिंगर मोहित चौहान ने दी है आवाजnnखेल मंत्री किरण रिजिजू ने ट्विटर पर शेयर किया थीम सॉन्ग का वीडियोn2020 गीत का नाम- 'लक्ष्य तेरा सामने है', खेल मंत्री ने 57 सेकंड का वीडियो किया शेयर

ترخيص (ستارمي!)

إذا وجدت هذا المشروع مثيرًا للاهتمام ، فيرجى التفكير في منحه نجمة () ومتابعتي على Github. أنا رمز 24/7 وشحن الأشياء التي تحطم العقل على أساس منتظم ، وبالتالي فإن دعمكم بالتأكيد لن يكون دون جدوى!

يوسع

معلومات إضافية