SwiftOCR

⛔️ Proyek ini sudah usang dan tidak lagi dipertahankan!

Harap gunakan kerangka visi Apple alih -alih Swiftocr. Ini sangat cepat, akurat dan jauh lebih tidak rewel.

---

Swiftoc

Swiftocr adalah perpustakaan OCR yang cepat dan sederhana yang ditulis dalam Swift. Ini menggunakan jaringan saraf untuk pengenalan gambar. Sampai sekarang, Swiftocs dioptimalkan untuk mengenali kode alfanumerik panjang satu baris (misalnya DI4C9CM). Kami saat ini mendukung iOS dan OS X.

Fitur

• Kelas Pelatihan Mudah Menggunakan
• Akurasi tinggi
• Preprocessing gambar default yang bagus
• Algoritma segmentasi karakter yang cepat dan akurat
• Tambahkan dukungan untuk karakter kecil
• Tambahkan dukungan untuk segmentasi karakter yang terhubung

Mengapa saya harus memilih Swiftocr daripada Tesseract?

Ini adalah pertanyaan yang sangat bagus.

Jika Anda ingin mengenali teks normal seperti puisi atau artikel berita, pergi dengan Tesseract, tetapi jika Anda ingin mengenali kode pendek, alfanumerik (misalnya kartu hadiah), saya akan menyarankan Anda untuk memilih Swiftocr karena di situlah melebihi.

Tesseract ditulis dalam C ++ dan lebih dari 30 tahun. Untuk menggunakannya, Anda pertama-tama harus menulis pembungkus objektif-C ++ untuk itu. Masalah utama yang memperlambat Tesseract adalah cara memori dikelola. Terlalu banyak alokasi dan melepaskan memori memperlambatnya.

Saya melakukan beberapa pengujian pada lebih dari 50 gambar sulit yang berisi kode alfanumerik. Hasil di mana mencengangkan. Swiftocr mengalahkan Tesseract di setiap kategori.

	Swiftoc	Tesseract
Kecepatan	0,08 detik.	0,63 detik.
Ketepatan	97,7%	45,2%
CPU	~ 30%	~ 90%
Ingatan	45 MB	73 MB

Bagaimana cara kerjanya?

1. Gambar input diatasi (binarisasi).
2. Karakter diekstraksi dari gambar, menggunakan teknik yang disebut pelabelan komponen terhubung.
3. Karakter terpisah dikonversi menjadi angka, yang kemudian dimasukkan ke dalam jaringan saraf.

Bagaimana cara menggunakannya?

Swiftocr tersedia melalui cocoapods. Untuk menginstalnya, cukup tambahkan baris berikut ke podfile Anda:

pod 'SwiftOCR'

Jika Anda pernah menggunakan Tesseract, Anda tahu betapa melelahkannya mengimplementasikan OCR ke dalam proyek Anda. Swiftocr adalah kebalikan dari Tesseract. Ini dapat diimplementasikan hanya menggunakan 6 baris kode .

import SwiftOCR

let swiftOCRInstance = SwiftOCR ( )
    
swiftOCRInstance . recognize ( myImage ) { recognizedString in
    print ( recognizedString )
}

Untuk meningkatkan pengalaman Anda dengan Swiftoc, Anda harus mengatur konfigurasi build Anda untuk Release .

Pelatihan

Pelatihan SwiftoCr cukup mudah. Hanya ada beberapa langkah yang harus Anda lakukan, sebelum dapat mengenali font baru.

Cara termudah untuk melatih Swiftocr adalah menggunakan aplikasi pelatihan yang dapat ditemukan di bawah /example/OS X/SwiftOCR Training . Pertama -tama pilih font yang ingin Anda latih dari daftar. Setelah itu, Anda dapat mengubah karakter yang ingin Anda latih di bidang teks. Akhirnya, Anda harus menekan tombol Start Testing . Satu -satunya hal yang tersisa sekarang, adalah menunggu. Bergantung pada pengaturan Anda, ini bisa memakan waktu antara setengah menit. Setelah sekitar dua menit Anda dapat menghentikan pelatihan secara manual. Menekan tombol Save akan menyimpan jaringan terlatih ke desktop Anda. Tombol Test digunakan untuk mengevaluasi keakuratan jaringan saraf yang terlatih.

Contoh

Berikut adalah contoh gambar. Swiftocr tidak memiliki masalah mengenalinya. Jika Anda mencoba mengenali gambar yang sama menggunakan tesseract output adalah 'labmensw'?!?!?.

Gambar ini sulit dikenali karena dua alasan:

• Pencahayaannya tidak rata. Masalah ini diselesaikan dengan algoritma preprocessing inovatif dari Swiftocr.
• Teks dalam gambar ini terdistorsi. Karena Swiftocr menggunakan jaringan saraf untuk pengakuan, ini bukan masalah nyata. NN fleksibel seperti otak manusia dan dapat mengenali bahkan gambar yang paling terdistorsi (sebagian besar waktu).

Todo

• Port ke gpuimage 2

Dependensi

• Swift-ai
• Gpuimage
• Union-Find

Lisensi

 The code in this repository is licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at

   http://www.apache.org/licenses/LICENSE-2.0

Unless required by applicable law or agreed to in writing, software
distributed under the License is distributed on an "AS IS" BASIS,
WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and
limitations under the License.

Catatan : Perangkat lunak ini tergantung pada paket lain yang mungkin dilisensikan di bawah lisensi sumber terbuka yang berbeda.