EasyDeepOCR
Bibliothek zur optischen Zeichenerkennung auf Basis von Deep Learning
- Tool für industrielle Kennzeichnungen wie Seriennummern, Verfallsdaten, Teilenummern …
- Sehr benutzerfreundlich, einfache API und keine Schulung erforderlich
- Optionale Topologiedefinition zum Herausfiltern irrelevanter Texte
- Fokus auf die Textlesbarkeit ohne Einbußen bei der Geschwindigkeit
- Verbesserung der Erkennung und Identifizierung von Text durch spezielle Trainings
- Läuft auf CPU und GPU sowie auf Intel- und ARM-Plattformen
Beschreibung
EasyDeepOCR ist eine OCR-Bibliothek der neuen Generation, die auf Deep-Learning-Technologien setzt, um die heutigen Herausforderungen beim Lesen von Texten zu bewältigen. Die Erkennung der Texte im Bild und die Zeichenerkennung erfolgen vollständig automatisiert. Mithilfe einer Texttopologie lassen sich Zeichenmehrdeutigkeiten reduzieren und irrelevanter Text herausfiltern. Ein Optimierungsprozess, der nur wenige Beispiele benötigt, kann die Verarbeitung beschleunigen. EasyDeepOCR stellt eine wesentliche Verbesserung gegenüber den Bibliotheken EasyOCR und EasyOCR2 dar und vereint Benutzerfreundlichkeit mit erweiterten Funktionen.
Einfache API, aber beeindruckende Ergebnisse
Mit einem einzigen „Read“-Aufruf werden alle Texte im Bild erkannt und gelesen. Es sind keine komplizierten Einstellungen mehr erforderlich.
Text-Erkennung und -Identifizierung durch erneutes Training optimieren
Benutzer können das neuronale Netzwerk, das der Texterkennung und -identifizierung von EasyDeepOCR zugrunde liegt, neu trainieren. Ein spezieller Projekttyp in Deep Learning Studio bietet eine effiziente Oberfläche zum Annotieren der Texte und zum Durchführen des Trainings. Bereits mit nur 5 Bildern lässt sich bei schwierigen Anwendungsfällen eine spürbare Verbesserung erzielen.
Umfassendes Open eVision Studio-Tool
Das EasyDeepOCR-Tool in Open eVision Studio stellt alle Funktionen dieser Bibliothek zur Verfügung. Der Benutzer kann die Topologie auswählen und einige Beispielbilder mit Anmerkungen versehen, um eine Optimierung der Pipeline durchzuführen. Es stehen Einstellungen für die Ausführung von Deep-Learning-Prozessen zur Verfügung, um zwischen verschiedenen Geräten (CPU, GPU) und Engines (OpenVINO, TensorRT…) zu wählen.
Topologie-Definition, um sich auf die richtigen Texte zu konzentrieren
Die Topologie definiert das Format des Zieltextes. Die Topologie ist im Zusammenhang mit der industriellen Kennzeichnung sehr praktisch, um sich auf das Verfallsdatum, die Teilenummer oder andere stark formatierte Texte zu konzentrieren. Die Definition der Topologie ermöglicht es dem Benutzer, nur die erforderlichen Texte zu erhalten, und hilft auch bei der Zeichenerkennung, indem sie Mehrdeutigkeiten reduziert.
Gute Leistung auf CPU (Intel OpenVINO) und GPU (NVidia TensorRT)
EasyDeepOCR wurde für die Ausführung auf Intel- und ARM-CPUs (dank OpenVINO) und NVidia-GPUs (dank TensorRT) optimiert.
Open eVision Studio
Komplexe Bildverarbeitungsabläufe lassen sich über eine grafische Benutzeroberfläche entwerfen. Die Sammlung dieser Werkzeuge spiegelt die Vielfalt und die Leistungsfähigkeit der Open eVision-Bibliotheken wider. Der der Verarbeitungspipeline entsprechende Quellcode in C++, Python und C# wird automatisch generiert und dient als interaktive Dokumentation der Open eVision-API. Open eVision Studio kann Live-Bildquellen wie beispielsweise GigE Vision-Kameras, einen Coaxlink-Framegrabber oder Aufzeichnungssequenzen eines eGrabber-Recorders verarbeiten.
Diese Anwendung ist kostenlos, läuft unter Windows und Linux und ist mit Intel- und ARM-64-Bit-Architekturen kompatibel.
