支持40+种语言和本地运行，这个OCR库轻松搞定光学字符识别

发布时间：2020-07-05 14:20:38来源：机器之心

机器之心报道

参与：路

EasyOCR支持40多种语言，所需的GPU内存为2GB+，并且支持在CPU模式中运行。

OCR（光学字符识别）是是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。目前，这项技术在拍照搜题、拍照翻译等应用中得到广泛使用。

今天，我们来介绍一个支持40多种语言的OCR库：EasyOCR。

GitHub地址：https://github.com/JaidedAI/EasyOCR

该OCR库使用深度神经网络构建而成：CNN+LSTM+CTCloss，包含三个解码器可选项：贪心搜索、束搜索和词束搜索（word-beamsearch）。

据介绍，EasyOCR的性能可与商业API解决方案媲美，且已开源，支持本地运行，因此适合关注数据隐私和适应性的人使用。

作者表示：与标准的开源OCR工具Tesseract相比，EasyOCR的准确率更高，不过速度稍慢。

支持40+种语言，识别效果优秀

EasyOCR支持对42多种语言执行OCR识别，包括简繁中文、日语、韩语、英语、德语、乌兹别克语、越南语、斯瓦希里语等。

EasyOCR支持的语言清单。

下图展示了EasyOCR的识别效果：

EasyOCR的识别结果

此外，EasyOCR所需的GPU内存为2GB+，并且支持在CPU模式中运行，因此具备较强的实用性。

EasyOCR的原理

如前所述，EasyOCR利用CNN+LSTM+CTCloss构建而成，包括三个解码器可选项：贪心搜索、束搜索和词束搜索（word-beamsearch）。其中检测部分基于CRAFT算法预训练得到，识别部分则基于作者自有数据集训练得到。

CRAFT是一个字符级别的文本检测网络，使用分水岭算法生成label，采用heatmap得到激活值最大的目标区域。

EasyOCR使用了CRAFT文本检测器的官方Pytorch实现。

CRAFT实现地址：https://github.com/clovaai/CRAFT-pytorch

在处理过程中，EasyOCR对输入图像中的每一行文字提供[location,text,modelconfident]结果，如下图所示：

对于给定图像，EasyOCR分别对图像中的每一行文字提供[location,text,modelconfident]结果。

此外，使用者还可以在不同的数据集上对模型进行重新训练，不过目前项目作者尚未放出训练脚本。开发者可以参考该库https://github.com/clovaai/deep-text-recognition-benchmark进行模型重训练。

关于EasyOCR的更多细节及代码详情，参见GitHub项目地址。

本文为机器之心报道，转载请联系本公众号获得授权。

✄------------------------------------------------

加入机器之心（全职记者/实习生）：hr@jiqizhixin.com

投稿或寻求报道：content@jiqizhixin.com

广告&商务合作：bd@jiqizhixin.com