机器之心报道
参与：路
Easy OCR 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：Easy OCR。
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 CTC loss，包含三个解码器可选项：贪心搜索、束搜索和词束搜索（word-beam search）。
据介绍，Easy OCR 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，Easy OCR 的准确率更高，不过速度稍慢。
支持 40 种语言，识别效果优秀
Easy OCR 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。
Easy OCR 支持的语言清单。
下图展示了 Easy OCR 的识别效果：
Easy OCR 的识别结果
此外，Easy OCR 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。
Easy OCR 的原理
如前所述，Easy OCR 利用 CNN LSTM CTC loss 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-beam search）。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。
Easy OCR 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，Easy OCR 对输入图像中的每一行文字提供 [location, text, model confident] 结果，如下图所示：
对于给定图像，Easy OCR 分别对图像中的每一行文字提供 [location, text, model confident] 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 Easy OCR 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，转载请联系获得授权。
