BetterOCR下載 - BetterOCR源代碼下載

BetterOCR

其他源碼

v1.2.0 (? Pororo OCR)

下載

更好的人

？通過將多個OCR引擎與多個OCR發動機相結合來檢測更好的文本檢測？ LLM。

OCR仍然很爛！ ...尤其是當您來自世界另一端（並且面臨您語言中的培訓數據的嚴重缺乏），或者對嘈雜的結果並不感到興奮。

Betterocr將多個OCR發動機與LLM的結果結合在一起，以糾正和重建輸出。

？ OCR引擎

目前支持Easyocr（Jaidedai），Tesseract（Google）和Pororo（Kakaobrain）。

對於Pororo，我們正在使用https://github.com/black7375/korean_ocr_usis_pororo的代碼
（使用Easyocr➡️brainocr（Pororo的OCR模塊）進行預處理➡️文本檢測）。
僅當指定的語言選項（ lang ）包括任何一個？英語（ en ）或？韓語（ ko ）。此外，還必須可用[tool.poetry.group.pororo.dependencies]中列出的其他依賴項。（如果沒有，它將自動從啟用引擎中排除。）

？ LLM

支持OpenAI的聊天模型。

？自定義上下文

允許用戶提供可選的上下文來使用特定的關鍵字，例如適當的名詞和產品名稱。這有助於拼寫校正和噪聲識別，即使使用罕見或非常規單詞，也可以確保准確性。

？資源

前往？通過語言查看表演的示例（??，??）。
即將推出：~~盒子檢測~~？✅，改進的界面？，異步支持等等。歡迎捐款。

警告
這個軟件包正在快速發展？

建築學

用法（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 )

？盒子檢測

原來的	檢測到

示例腳本：https：//github.com/junhoyeo/betterocr/blob/main/main/examples/detect_boxes.py（使用opencv和matplotlib繪製矩形）

 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 )

查看輸出

[
  { '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 ]]}
]

？例子

筆記
由於固有的可變性和對OCR發動機或OpenAI API的潛在更新，結果可能會有所不同。

示例1（噪音英語）

來源	文字
Easyocr	`CHAINSAWMANChapter 109:The Easy Way to Stop Bullying~BV-THTSUKIFUUIMUTU ETT`
特塞拉克	`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`
波羅羅	`CHAINSAWNANnChapter 109nThe Easy Way.to Stop Bullying.nCBY=TATSUKI FUJIMDTO`
LLM	？ GPT-3.5
結果	`CHAINSAW MANnnChapter 109: The Easy Way to Stop BullyingnnBY: TATSUKI FUJIMOTO`

示例2（韓文+英語）

來源	文字
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`
特塞拉克	`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`
波羅羅	`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
結果	`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`

示例3（具有自定義`context`韓文）

來源	文字
Easyocr	`바이오함보#세로모공존존세럼6글로우픽 설문단 100인이꼼꼼하게 평가햇어요"#누적 판매액 40억#제품만족도 1009`
特塞拉克	`바이오힐보n#세로모공폰폰세럼n“글로 으피 석무다 1 00인이n꼼꼼하게평가했어요”nn`
波羅羅	`바이오힐보n#세로모공쫀쫀세럼n'.n'글로우픽 설문단 100인이n꼼꼼하게 평가했어요'"n#누적 판매액 40억n# 제품 만족도 100%`
情境	`[바이오힐보] 세로모공쫀쫀세럼으로 콜라겐 타이트닝! (6S)`
LLM	？ GPT-4
結果	`바이오힐보n#세로모공쫀쫀세럼n글로우픽 설문단 100인이 꼼꼼하게 평가했어요n#누적 판매액 40억n#제품 만족도 100%`

？ LLM推理（*舊）

根據給定的OCR結果和上下文，以下是合併和更正的結果：

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

바이오힐보是正確的品牌名稱，取自[1]和上下文。
#세로모공쫀쫀세럼似乎是產品名稱，並源自上下文。
提取並從兩個OCR結果中校正了글로우픽 설문단 100인이 꼼꼼하게 평가했어요 。
#누적 판매액 40억取自[0]。
#제품만족도 100% 。

示例4（印地語）

來源	文字
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
特塞拉克	'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
結果	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