SwiftOCR
1.2.1
Por favor, use a estrutura de visão da Apple em vez de Swiftocr. É muito rápido, preciso e muito menos mimado.
Swiftocr é uma biblioteca OCR rápida e simples escrita em Swift. Ele usa uma rede neural para reconhecimento de imagem. A partir de agora, o Swiftocr é otimizado para reconhecer códigos alfanuméricos curtos de uma linha de comprimento (por exemplo, di4c9cm). Atualmente, apoiamos o iOS e o OS X.
Esta é uma pergunta muito boa.
Se você deseja reconhecer texto normal como um poema ou um artigo de notícias, vá com o Tesseract, mas se você quiser reconhecer códigos alfanuméricos curtos (por exemplo, cartões -presente), eu o aconselho a escolher o Swiftocr, porque é aí que ele excede.
O TESSERACT está escrito em C ++ e mais de 30 anos. Para usá-lo, você primeiro deve escrever um invólucro Objective-C ++ para ele. A questão principal que está desacelerando o Tesseract é a maneira como a memória é gerenciada. Muitas alocações e liberações de memória diminuem a velocidade.
Fiz alguns testes em mais de 50 imagens difíceis contendo códigos alfanuméricos. Os resultados são surpreendentes. Swiftocr venceu o Tesseract em todas as categorias.
| Swiftocr | Tesseract | |
|---|---|---|
| Velocidade | 0,08 seg. | 0,63 seg. |
| Precisão | 97,7% | 45,2% |
| CPU | ~ 30% | ~ 90% |
| Memória | 45 MB | 73 MB |
Swiftocr está disponível através de Cocoapods. Para instalá -lo, basta adicionar a seguinte linha ao seu PODFILE:
pod 'SwiftOCR'
Se você já usou o TESSERACT, sabe o quão exaustivo pode ser implementar o OCR em seu projeto. Swiftocr é exatamente o oposto do Tesseract. Ele pode ser implementado usando apenas 6 linhas de código .
import SwiftOCR
let swiftOCRInstance = SwiftOCR ( )
swiftOCRInstance . recognize ( myImage ) { recognizedString in
print ( recognizedString )
} Para melhorar sua experiência com o Swiftocr, você deve definir sua configuração de compilação para Release .
Treinar Swiftocr é muito fácil. Existem apenas algumas etapas que você precisa fazer, antes que possa reconhecer uma nova fonte.
A maneira mais fácil de treinar Swiftocr é usar o aplicativo de treinamento que pode ser encontrado no /example/OS X/SwiftOCR Training . Primeiro, selecione as fontes que você deseja treinar na lista. Depois disso, você pode alterar os personagens que deseja treinar no campo de texto. Finalmente, você deve pressionar o botão Start Testing . A única coisa que resta agora está esperando. Dependendo das suas configurações, isso pode levar entre meio e dois minutos. Após cerca de dois minutos, você pode parar manualmente o treinamento. Pressionar o botão Save salvará a rede treinada na sua área de trabalho. O botão Test é usado para avaliar a precisão da rede neural treinada.
Aqui está uma imagem de exemplo. Swiftocr não tem problema em reconhecê -lo. Se você tentar reconhecer a mesma imagem usando o TESSERACT, a saída é 'labMensw'?!?!??.
Esta imagem é difícil de reconhecer por dois motivos:
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.
Nota : Este software depende de outros pacotes que podem ser licenciados sob diferentes licenças de código aberto.
