SwiftOCR

⛔️이 프로젝트는 더 이상 사용되지 않으며 더 이상 유지되지 않습니다!

Swiftocr 대신 Apple의 비전 프레임 워크를 사용하십시오. 매우 빠르고 정확하며 훨씬 덜 까다 롭습니다.

---

신속한

Swiftocr는 Swift로 작성된 빠르고 간단한 OCR 라이브러리입니다. 이미지 인식을 위해 신경망을 사용합니다. 현재 Swiftocr은 짧은 1 라인의 긴 영숫자 코드 (예 : DI4C9CM)를 인식하는 데 최적화되었습니다. 우리는 현재 iOS 및 OS X를 지원합니다.

특징

• 사용하기 쉬운 교육 수업
• 높은 정확도
• 훌륭한 기본 이미지 전처리
• 빠르고 정확한 문자 분할 알고리즘
• 소문자에 대한 지원을 추가하십시오
• 연결된 문자 분할에 대한 지원을 추가하십시오

Tesseract 대신 Swiftocr을 선택 해야하는 이유는 무엇입니까?

이것은 정말 좋은 질문입니다.

시나 뉴스 기사와 같은 일반적인 텍스트를 인식하려면 Tesseract로 가십시오. 그러나 짧은 영숫자 코드 (예 : 기프트 카드)를 인식하려면 Swiftocr을 선택하는 것이 좋습니다.

TesserAct는 C ++ 및 30 세 이상으로 작성되었습니다. 그것을 사용하려면 먼저 목표 C ++ 래퍼를 작성해야합니다. TesserAct가 느려지는 주요 문제는 메모리가 관리되는 방식입니다. 너무 많은 메모리 할당과 릴리스 속도가 느려집니다.

영숫자 코드를 포함하는 50 가지가 넘는 어려운 이미지에서 약간의 테스트를 수행했습니다. 놀라운 결과. Swiftocr는 모든 카테고리에서 Tesseract를 이겼습니다.

	신속한	Tesseract
속도	0.08 초	0.63 초
정확성	97.7%	45.2%
CPU	~ 30%	~ 90%
메모리	45MB	73MB

어떻게 작동합니까?

1. 입력 이미지는 임계 값 (이항화)됩니다.
2. Connected-Component Labeling이라는 기술을 사용하여 이미지에서 문자가 추출됩니다.
3. 분리 된 문자는 숫자로 변환 된 다음 신경망으로 공급됩니다.

그것을 사용하는 방법?

Swiftocr는 코코 포드를 통해 이용할 수 있습니다. 설치하려면 Podfile에 다음 줄을 추가하십시오.

pod 'SwiftOCR'

TesserAct를 사용한 적이 있다면 프로젝트에 OCR을 구현하는 것이 얼마나 소진 될 수 있는지 알 수 있습니다. Swiftocr은 Tesseract와 정반대입니다. 단지 6 줄의 코드를 사용하여 구현할 수 있습니다.

import SwiftOCR

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

Swiftocr에 대한 경험을 향상 시키려면 빌드 구성을 Release 하도록 설정해야합니다.

훈련

신속한 훈련은 매우 쉽습니다. 새 글꼴을 인식하기 전에 몇 가지 단계 만해야합니다.

Swiftocr을 훈련시키는 가장 쉬운 방법은 /example/OS X/SwiftOCR Training 에서 찾을 수있는 교육 앱을 사용하는 것입니다. 먼저 목록에서 훈련하려는 글꼴을 선택하십시오. 그런 다음 텍스트 필드에서 훈련하려는 문자를 변경할 수 있습니다. 마지막으로 Start Testing 버튼을 누르야합니다. 지금 남은 유일한 것은 기다리는 것입니다. 설정에 따라 반에서 2 분이 소요될 수 있습니다. 약 2 분 후에 수동으로 훈련을 중단 할 수 있습니다. Save 버튼을 누르면 훈련 된 네트워크가 데스크탑에 저장됩니다. Test 버튼은 훈련 된 신경망의 정확도를 평가하는 데 사용됩니다.

예

다음은 예제 이미지입니다. Swiftocr는 그것을 인식하는 데 아무런 문제가 없습니다. tesseract를 사용하여 동일한 이미지를 인식하려고하면 출력은 'labmensw'?!?!?.

이 이미지는 두 가지 이유 때문에 인식하기가 어렵습니다.

• 조명은 고르지 않습니다. 이 문제는 Swiftocr의 혁신적인 사전 처리 알고리즘에 의해 해결됩니다.
• 이 이미지의 텍스트는 왜곡됩니다. Swiftocr은 인식을 위해 신경망을 사용하기 때문에 이것은 실제 문제가 아닙니다. NN은 인간 뇌처럼 유연하며 가장 왜곡 된 이미지 (대부분)도 인식 할 수 있습니다.

TODO

• 포트로 GPUIMAGE 2

의존성

• 스위프트 -AI
• gpuimage
• 노조 찾기

특허

 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.

참고 :이 소프트웨어는 다른 오픈 소스 라이센스에 따라 라이센스가 부여 될 수있는 다른 패키지에 따라 다릅니다.