BetterOCR
v1.2.0 (? Pororo OCR)
? ¿Mejor detección de texto combinando múltiples motores OCR con? Llm.
¡OCR todavía apesta! ... Especialmente cuando eres del otro lado del mundo (y enfrenta una falta significativa de datos de capacitación en tu idioma), o simplemente no está emocionado con resultados ruidosos.
Betterocr combina los resultados de múltiples motores OCR con un LLM para corregir y reconstruir la salida.
Actualmente es compatible con Easyocr (Jaidedai), Tesseract (Google) y Pororo (Kakaobrain).
lang ) especificadas incluyen tampoco? Inglés ( en ) o ?? Coreano ( ko ). También deben estar disponibles dependencias adicionales enumeradas en [tool.poetry.group.pororo.dependencies] . (Si no, se excluirá automáticamente de los motores habilitados).Admite modelos de chat de OpenAI.
Permite a los usuarios proporcionar un contexto opcional para usar palabras clave específicas, como sustantivos propios y nombres de productos. Esto ayuda a la corrección de la ortografía y la identificación de ruido, asegurando la precisión incluso con palabras raras o poco convencionales.
Advertencia
¿Este paquete está en desarrollo rápido?
Arquitectura
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 )| Original | Detectado |
|---|---|
 |  |
Ejemplo de script: https://github.com/junhoyeo/betterocr/blob/main/examples/detect_boxes.py (usa OpenCV y matplotlib para dibujar rectángulos)
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 )[
{ '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 ]]}
]Nota
Los resultados pueden variar debido a la variabilidad inherente y posibles actualizaciones futuras de los motores OCR o la API de OpenAI.
| Fuente | Texto |
|---|---|
| Easyocr | 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 |
| Pororo | CHAINSAWNANnChapter 109nThe Easy Way.to Stop Bullying.nCBY=TATSUKI FUJIMDTO |
| LLM | ? GPT-3.5 |
| Resultado | CHAINSAW MANnnChapter 109: The Easy Way to Stop BullyingnnBY: TATSUKI FUJIMOTO |
| Fuente | Texto |
|---|---|
| Easyocr | 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 |
| Pororo | 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 |
| Resultado | 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 |
context personalizado) 
| Fuente | Texto |
|---|---|
| Easyocr | 바이오함보#세로모공존존세럼6글로우픽 설문단 100인이꼼꼼하게 평가햇어요"#누적 판매액 40억#제품만족도 1009 |
| Tesseract | 바이오힐보n#세로모공폰폰세럼n“글로 으피 석무다 1 00인이n꼼꼼하게평가했어요”nn |
| Pororo | 바이오힐보n#세로모공쫀쫀세럼n'.n'글로우픽 설문단 100인이n꼼꼼하게 평가했어요'"n#누적 판매액 40억n# 제품 만족도 100% |
| Contexto | [바이오힐보] 세로모공쫀쫀세럼으로 콜라겐 타이트닝! (6S) |
| LLM | ? GPT-4 |
| Resultado | 바이오힐보n#세로모공쫀쫀세럼n글로우픽 설문단 100인이 꼼꼼하게 평가했어요n#누적 판매액 40억n#제품 만족도 100% |
Según los resultados de OCR dados y el contexto, aquí está el resultado combinado y corregido:
{
"data": "바이오힐보n#세로모공쫀쫀세럼n글로우픽 설문단 100인이 꼼꼼하게 평가했어요n#누적 판매액 40억n#제품만족도 100%"
}
바이오힐보 es la marca correcta, tomada de [1] y el contexto.#세로모공쫀쫀세럼 Parece ser el nombre del producto y se deriva del contexto.글로우픽 설문단 100인이 꼼꼼하게 평가했어요 .#누적 판매액 40억 se toma de [0].#제품만족도 100% se corrige de [0].
| Fuente | Texto |
|---|---|
| Easyocr | `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 |
| Resultado | 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 |
MIT © Junho Yeo
Si encuentra interesante este proyecto, considere darle una estrella () y seguirme en GitHub. Código las 24 horas del día, los 7 días de la semana y envío cosas de forma regular, por lo que su apoyo definitivamente no será en vano!
