EasyOCR

最新の20件

私的AI研究会 > EasyOCR

文字認識エンジン「EasyOCR」 †

　実用的な AI開発に向けて、文字認識エンジン「EasyOCR」を試してみる。

環境構築と「EasyOCR」のインストール †

環境構築 †

　帳票OCRプログラム「FormOCR」で使用した Anaconda プラットホームを利用する。
　Form OCR Program 環境構築

「EasyOCR」インストール †

　Windows/Linux 環境共通（以下は Linux の例）

1. Anaconda 仮想環境でインストールする。
   

   (py37) $ conda info -e
   # conda environments:
   #
   base                     /home/mizutu/anaconda3
   py37                  *  /home/mizutu/anaconda3/envs/py37
   
   (py37) $ pip install easyocr
   Collecting easyocr
     Downloading easyocr-1.4.2-py3-none-any.whl (70.8 MB)
        |████████████████████████████████| 70.8 MB 9.5 kB/s 
   Collecting scikit-image
     Downloading scikit_image-0.19.2-cp37-cp37m-manylinux_2_12_x86_64.manylinux2010_x86_64.whl (13.5 MB)
        |████████████████████████████████| 13.5 MB 118 kB/s 
       :
       :
   Successfully installed Pillow-9.1.0 PyWavelets-1.3.0 easyocr-1.4.2 imageio-2.19.0 networkx-2.6.3 opencv-python-headless-4.5.4.60 python-bidi-0.4.2 scikit-image-0.19.2 tifffile-2021.11.2

2. 「opencv-python-headless」を削除する。
   ※ 本プロジェクトの OpenCV バージョンは 4.5.2 を使用する。「opencv-python-headless」は競合するようなので削除する。 ・パッケージの確認
   

   (py37) $ pip list
   Package                 Version
   ----------------------- ---------------------
       :
   onnxruntime             1.7.2
   opencv-python-headless  4.5.4.60
   packaging               21.0
       :

   ・パッケージの削除
   

   (py37) $ pip uninstall opencv-python-headless
   Found existing installation: opencv-python-headless 4.5.4.60
   Uninstalling opencv-python-headless-4.5.4.60:
     Would remove:
       :
   Proceed (y/n)? y
     Successfully uninstalled opencv-python-headless-4.5.4.60

   ・削除されていることを確認
   

   (py37) $ pip list
   Package                 Version
   ----------------------- ---------------------
       :
   onnxruntime             1.7.2
   packaging               21.0
       :

3. あらかじめプロジェクトフォルダ「easyocr」を作成しておく。
   

   $ conda activate py37
   (py37) $ cd ~/workspace_py37/
   (py37) $ mkdir easyocr

「EasyOCR] の動作テスト †

基本動作の確認 「easy_test1.py」 †

1. プロジェクトディレクトリにテストプログラムを作成
   

   (py37) $ cd ~/workspace_py37/easyocr
   (py37$ vi easy_test1.py
   
   import easyocr
   
   reader = easyocr.Reader(['ja', 'en'], gpu=False)
   result = reader.readtext('images/japanese.jpg')
   
   print(result)

2. テストプログラムの実行
   

   (py37) mizutu@ubuntu-vbox:~/workspace_py37/easyocr$ python3 easy_test1.py 
   Using CPU. Note: This module is much faster with a GPU.
   [W NNPACK.cpp:80] Could not initialize NNPACK! Reason: Unsupported hardware.
   [([[71, 49], [489, 49], [489, 159], [71, 159]], 'ポイ橋て禁止』', 0.37951311955253036), ([[95, 149], [461, 149], [461, 235], [95, 235]], 'NOLTTB', 0.4456565916559547), ([[80, 232], [475, 232], [475, 288], [80, 288]], '清潔できれいな港区を', 0.6969815870208245), ([[109, 289], [437, 289], [437, 333], [109, 333]], '潜 区 MNATOCITY', 0.7553704468017064)]

出力オブジェクトの確認 「easy_test2.py」 †

1. プロジェクトディレクトリにテストプログラムを作成
   

   (py37) $ cd ~/workspace_py37/easyocr
   (py37$ vi easy_test2.py
   
   import easyocr
   
   reader = easyocr.Reader(['ja', 'en'], gpu=False)
   result = reader.readtext('images/japanese.jpg')
   
   for obj in result:
       p0, p1, p2, p3 = obj[0]
       text = obj[1]
       confidence = obj[2]
       print(p0, p1, p2, p3, text, confidence)

2. テストプログラムの実行
   

   (py37) $ python3 easy_test2.py 
   Using CPU. Note: This module is much faster with a GPU.
   [W NNPACK.cpp:80] Could not initialize NNPACK! Reason: Unsupported hardware.
   [71, 49] [489, 49] [489, 159] [71, 159] ポイ橋て禁止』 0.37951311955253036
   [95, 149] [461, 149] [461, 235] [95, 235] NOLTTB 0.4456565916559547
   [80, 232] [475, 232] [475, 288] [80, 288] 清潔できれいな港区を 0.6969815870208245
   [109, 289] [437, 289] [437, 333] [109, 333] 潜 区 MNATOCITY 0.7553704468017064

入力オブジェクトの確認 「easy_test3.py」 †

　イメージオブジェクトを入力とする。

1. プロジェクトディレクトリにテストプログラムを作成
   

   (py37) $ cd ~/workspace_py37/easyocr
   (py37$ vi easy_test3.py
   
   import easyocr
   import cv2
   
   reader = easyocr.Reader(['ja', 'en'], gpu=False)
   frame = cv2.imread('images/japanese.jpg')
   result = reader.readtext(frame)
   
   for obj in result:
       p0, p1, p2, p3 = obj[0]
       text = obj[1]
       confidence = obj[2]
       print(p0, p1, p2, p3, text, confidence)

2. テストプログラムの実行
   

   (py37) $ python3 easy_test3.py 
   Using CPU. Note: This module is much faster with a GPU.
   [W NNPACK.cpp:80] Could not initialize NNPACK! Reason: Unsupported hardware.
   [70, 46] [489, 46] [489, 161] [70, 161] ポイ橋て禁止』 0.23787610630466707
   [95, 149] [461, 149] [461, 235] [95, 235] NOLTTB 0.4473010669317903
   [80, 232] [475, 232] [475, 288] [80, 288] 清潔できれいな港区を 0.6657611839453549
   [109, 289] [439, 289] [439, 331] [109, 331] 潜 区 MNATOCITY 0.5209840622583983

Webカメラ入力で OCR のテスト 「easytest_cam.py」 †

　イメージオブジェクトを入力とする。

1. プロジェクトディレクトリにテストプログラムを作成
   

   (py37) $ cd ~/workspace_py37/easyocr
   (py37$ vi easytest_cam.py
   
   import cv2
   import sys
   import easyocr
   
   capture = cv2.VideoCapture(0)
   last_txt = ""
   reader = easyocr.Reader(['ja', 'en'], gpu=False)
   while True:
       ret, frame = capture.read()
       orgHeight, orgWidth = frame.shape[:2]
       size = (int(orgWidth/2), int(orgHeight/2))
       glay = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
       image = cv2.resize(glay, size)
   
       result = reader.readtext(image, detail = 0)
       print(result)
   
       cv2.imshow("Capture", image)
          
       if cv2.waitKey(33) >= 0:
           break
   
   cv2.destroyAllWindows()

2. テストプログラムの実行
   
   

   (py37) $ python3 easytest_cam.py
   Using CPU. Note: This module is much faster with a GPU.
   [W NNPACK.cpp:80] Could not initialize NNPACK! Reason: Unsupported hardware.
   ['Interiac', 'Aは国めC付き', '新画劇処理', '川町', '山りロe']
   ['Interfac', '山~鹿国め CD付き', '新画劇処理1', '川町', '川りocr']
   ['Interfac', '山av国C付き', '新画劇処理', '川町', 'rりuc']
   ['Interfac', 'Aんv国め C付き', '新画劇理1', '山', '田ワワにし']
   ['Interfac', '山av国C付き', '新画劇理', '一19', 'りこ']
       :

入力画像と文字認識領域を表示する 「easy_test4.py」 †

• 文章と文章の位置と信頼性スコアを GUI 表示で可視化する。
  ・入力画像のサイズの制限値(--maxsize)により値が'0'でなければ縦横このサイズ内に収まるように同比率で自動リサイズする。
  ・認識結果の文はコンソール出力も行うが各文字の詳細出力も可能なように設定フラグ(--log)がある。
  ・タイトル表示が有効であれば実行時の設定値の情報を表示する。
  ・GUI 出力表示結果を画像ファイルとして出力できる。
  

• ソースコード
  
  ▼「easy_test4.py」
  ▲「easy_test4.py」

  # -*- coding: utf-8 -*-
  ##------------------------------------------
  ## OCR Test with easyocr
  ##
  ##               2022.05.09 Masahiro Izutsu
  ##------------------------------------------
  ## easytest4.py
  
  # Color Escape Code
  GREEN = '\033[1;32m'
  RED = '\033[1;31m'
  NOCOLOR = '\033[0m'
  YELLOW = '\033[1;33m'
  
  # 定数定義
  LINE_WORD_BOX_COLOR = (0, 0, 240)
  WORD_BOX_COLOR = (255, 0, 0)
  CONTENTS_COLOR = (0, 180, 0)
  from os.path import expanduser
  DEF_INPUT_FILE = expanduser('images/japanese.jpg')
  
  # import処理
  from PIL import Image
  import sys
  
  import easyocr
  import cv2
  import argparse
  import myfunction
  import numpy as np
  import mylib_gui
  import platform
  
  # タイトル・バージョン情報
  title = 'OCR Test with easyocr'
  print(GREEN)
  print('--- {} ---'.format(title))
  print(' OpenCV version {} '.format(cv2.__version__))
  print(NOCOLOR)
  
  # Parses arguments for the application
  def parse_args():
      parser = argparse.ArgumentParser()
      parser.add_argument('-i', '--image', metavar = 'IMAGE_FILE', type = str, default = DEF_INPUT_FILE,
              help = 'Absolute path to image file. Default value is \'' + DEF_INPUT_FILE + '\'')
      parser.add_argument('-p', '--prosess', metavar = 'PROCESS',
              default = 'n',
              help = 'Preprocessing flag.(y/n) Default value is \'n\'')
      parser.add_argument('-d', '--linedel', metavar = 'LINEDEL',
              default = 'n',
              help = 'Line delete flag.(y/b/n) Default value is \'n\'')
      parser.add_argument('--maxsize', metavar = 'MAXSIZE',
              default = 0,
              help = 'Image max size (free=0). Default value is 0')
      parser.add_argument('--log', metavar = 'LOG',
              default = 'n',
              help = 'Log output flag.(y/n) Default value is \'n\'')
      parser.add_argument('-t', '--title', metavar = 'TITLE',
              default = 'y',
              help = 'Program title flag.(y/n) Default value is \'y\'')
      parser.add_argument('-o', '--out', metavar = 'IMAGE_OUT',
              default = 'non',
              help = 'Processed image file path. Default value is \'non\'')
      return parser
  
  # モデル基本情報の表示
  def display_info(image, prosess, linedel, maxsize, log, titleflg, outpath):
      print(YELLOW + title + ': Starting application...' + NOCOLOR)
      print('   - ' + YELLOW + 'Image File   : ' + NOCOLOR, image)
      print('   - ' + YELLOW + 'Preprocessing: ' + NOCOLOR, prosess)
      print('   - ' + YELLOW + 'Line delete  : ' + NOCOLOR, linedel)
      print('   - ' + YELLOW + 'Max size     : ' + NOCOLOR, maxsize)
      print('   - ' + YELLOW + 'Log frag     : ' + NOCOLOR, log)
      print('   - ' + YELLOW + 'Program Title: ' + NOCOLOR, titleflg)
      print('   - ' + YELLOW + 'Processed out: ' + NOCOLOR, outpath)
  
  # 画像の前処理
  def img_preproces(img):
      # グレイスケール演算
      im_gray = 0.299 * img[:,:,2] + 0.587 * img[:,:,1] + 0.114 * img[:,:,0]
      im_gray8 = np.uint8(im_gray)
      # 大津アルゴリズムでは thresh, maxvalは無視されてしきい値は自動で設定される
      ret, im_gray8 = cv2.threshold(im_gray8, thresh=0, maxval=255, type=cv2.THRESH_BINARY + cv2.THRESH_OTSU)
      # すべてのチャンネル
      img[:,:,0] = im_gray8
      img[:,:,1] = im_gray8
      img[:,:,2] = im_gray8
      return img
  
  # 罫線消去
  def delete_line(img):
      # 自動パラメータの計算
      h, w = img.shape[:2]
      thr = 100
      lln = int(w/18)
      if lln < 44:
          lln = 44
      gap = int(w/1000) + 4
      print('\nThreshhold={}, MinLineLength={}, MaxLineGap={},  width={}, height={}'.format(thr, lln, gap, w, h))
  
      imgw = img.copy()
      # グレースケール
      gray = cv2.cvtColor(imgw, cv2.COLOR_BGR2GRAY)
  
      # 2値化
      ret, gray = cv2.threshold(gray, thresh=0, maxval=255, type=cv2.THRESH_BINARY + cv2.THRESH_OTSU)
  
      ## 反転 ネガポジ変換
      gray = cv2.bitwise_not(gray)
      lines = cv2.HoughLinesP(gray, rho=1, theta=np.pi/360, threshold=thr, minLineLength=lln, maxLineGap=gap)
  
      if lines is not None:
          for line in lines:
              x1, y1, x2, y2 = line[0]
  
              # 線を消す(白で線を引く)
              imgw = cv2.line(imgw, (x1,y1), (x2,y2), (255,255,255), 3)
      return imgw
  
  # ** main関数 **
  def main():
      # Argument parsing and parameter setting
      ARGS = parse_args().parse_args()
      input_stream = ARGS.image
      prosess = ARGS.prosess
      linedel = ARGS.linedel
      maxsize = int(ARGS.maxsize)
      logflg = ARGS.log
      titleflg = ARGS.title
      outpath = ARGS.out
  
      # 情報表示
      display_info(input_stream, prosess, linedel, maxsize, logflg, titleflg, outpath)
  
      # OpenCV でイメージを読む
      frame = cv2.imread(input_stream)
      if frame is None:
          print(RED + "\nUnable to read the input." + NOCOLOR)
          quit()
  
      if maxsize > 300:
          # アスペクト比を固定してリサイズ
          img_h, img_w = frame.shape[:2]
          if (img_w > img_h):
              if (img_w > maxsize):
                  height = round(img_h * (maxsize / img_w))
                  frame = cv2.resize(frame, dsize = (maxsize, height))
          else:
              if (img_h > maxsize):
                  width =  round(img_w * (maxsize / img_h))
                  frame = cv2.resize(frame, dsize = (width, maxsize))
  
      # メッセージ作成
      h, w = frame.shape[:2]
      st_pram = 'pros={}, linedel={}, width={}, height={}'.format(prosess, linedel, w, h)
  
      # fontスケール(仮設定)
      img_h, img_w = frame.shape[:2]
      font_scale = 20
      if img_w > 2000:
          font_scale = 40
  
      # 画像の前処理
      if (prosess == 'y'):        # モノクロ・2値化 フォアグラウンド処理
          frame = img_preproces(frame)
  
      if (linedel == 'y'):         # 罫線除去 フォアグラウンド処理
          frame = delete_line(frame)
          frame_pl = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)
      elif (linedel == 'b'):   # 罫線除去 バックグラウンド処理
          frame_pl = delete_line(frame)
          frame_pl = cv2.cvtColor(frame_pl, cv2.COLOR_RGB2BGR)
      else:                       # 罫線除去なし
          frame_pl = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)
  
      # 日本語フォント指定
      if platform.system()=='Windows':
         fontPIL = 'meiryo.ttc'                  # ゴシック体
      else:
         fontPIL = 'NotoSansCJK-Bold.ttc'         # ゴシック体
  
      # 文字認識処理
      reader = easyocr.Reader(['ja', 'en'], gpu=False)
      result = reader.readtext(frame)
  
      # 取得データ
      print('\n---------------------------')
      for obj in result:
          print(obj[1])
  
      for obj in result:
          xmin = int(obj[0][0][0])                # 結果が浮動小数点になる場合があるので
          ymin = int(obj[0][0][1])
          xmax = int(obj[0][2][0])
          ymax = int(obj[0][2][1])
          text = obj[1]
          confidence = obj[2]
  
          cv2.rectangle(frame, (xmin, ymin), (xmax, ymax), color=LINE_WORD_BOX_COLOR, thickness=3)
          st_score = '#Score {:.3f}:  '.format(confidence) + text
          myfunction.cv2_putText(img = frame,
                                 text = st_score,
                                 org = (xmin, ymin - 4),
                                 fontFace = fontPIL,
                                 fontScale = font_scale,
                                 color = CONTENTS_COLOR,
                                 mode = 0)
  
          if (logflg == 'y'):
              print('\ncontents: ', text)
              print('position: ', xmin, ymin, '-', xmax, ymax)
              print('confidence: ', confidence)
  
      print('---------------------------\n')
  
      # タイトル描画
      if (titleflg == 'y'):
          cv2.putText(frame, title, (10, 30), cv2.FONT_HERSHEY_DUPLEX, fontScale=0.8, color=(200, 200, 0), lineType=cv2.LINE_AA)
          cv2.putText(frame, st_pram, (50, 50), cv2.FONT_HERSHEY_DUPLEX, fontScale=0.5, color=(0, 0, 0), lineType=cv2.LINE_AA)
  
      # 画像表示 
      cv2.namedWindow(title, flags=cv2.WINDOW_AUTOSIZE | cv2.WINDOW_GUI_NORMAL) 
      cv2.imshow(title, frame)
  
      # 処理結果の記録(静止画)
      if (outpath != 'non'):
          cv2.imwrite(outpath, frame)
  
      # 何らかのキーが押されたら終了 
      while(True):
          key = cv2.waitKey(1)
          if key == 27 or key == 113:                          # 'esc' or 'q'
              break
          if not mylib_gui._is_visible(title):           # 'Close' button
              break
  
      cv2.destroyAllWindows()
  
  # main関数エントリーポイント(実行開始)
  if __name__ == "__main__":
      sys.exit(main())

  →「mylib_gui.py」
  

• 実行時に利用できるコマンドオプション

  コマンドオプション	デフォールト設定	意味
  -h, --help		ヘルプ表示
  -i, --image	test1.png	入力画像ファイル
  -p, --process	n	前処理(グレイスケール変換/2値化)フラグ (y/n)
  -d, --linedel	n	前処理(罫線消去)フラグ (y/b/n) b=バックグラウンド実行
  --maxsize	0	処理画像の最大ピクセル(0=リサイズしない)
  --log	n	詳細ログ出力フラグ (y/n)
  -t, --title	y	タイトル表示 (y/n)
  -o, --out	non	処理結果を出力する場合のファイルパス

  ▼(py37) $ python3 easytest4.py -h
  ▲(py37) $ python3 easytest4.py -h

  (py37) $ python3 easy_test4.py -h
  
  --- OCR Test with easyocr ---
   OpenCV version 4.5.2 
  
  usage: easy_test4.py [-h] [-i IMAGE_FILE] [-p PROCESS] [-d LINEDEL]
                       [--maxsize MAXSIZE] [--log LOG] [-t TITLE] [-o IMAGE_OUT]
  
  optional arguments:
    -h, --help            show this help message and exit
    -i IMAGE_FILE, --image IMAGE_FILE
                          Absolute path to image file. Default value is
                          'images/japanese.jpg'
    -p PROCESS, --prosess PROCESS
                          Preprocessing flag.(y/n) Default value is 'n'
    -d LINEDEL, --linedel LINEDEL
                          Line delete flag.(y/b/n) Default value is 'n'
    --maxsize MAXSIZE     Image max size (free=0). Default value is 0
    --log LOG             Log output flag.(y/n) Default value is 'n'
    -t TITLE, --title TITLE
                          Program title flag.(y/n) Default value is 'y'
    -o IMAGE_OUT, --out IMAGE_OUT
                          Processed image file path. Default value is 'non'

  
  

• 実行結果
  
  

  (py37) $ cd ~/workspace_py37/easyocr/
  (py37) $ python3 easy_test4.py 
  
  --- OCR Test with easyocr ---
   OpenCV version 4.5.2 
  
  OCR Test with easyocr: Starting application...
     - Image File   :  images/japanese.jpg
     - Preprocessing:  n
     - Line delete  :  n
     - Max size     :  0
     - Log frag     :  n
     - Program Title:  y
     - Processed out:  non
  Using CPU. Note: This module is much faster with a GPU.
  [W NNPACK.cpp:80] Could not initialize NNPACK! Reason: Unsupported hardware.
  
  ---------------------------
  ポイ橋て禁止』
  NOLTTB
  清潔できれいな港区を
  潜 区 MNATOCITY
  ---------------------------

• 文字認識エンジン「Tesseract」 での検証画像を試す
  
  

  (py37) $ python3 easy_test4.py -i images/test.png
  
  --- OCR Test with easyocr ---
   OpenCV version 4.5.2 
  
  OCR Test with easyocr: Starting application...
     - Image File   :  images/test.png
     - Preprocessing:  n
     - Line delete  :  n
     - Max size     :  0
     - Log frag     :  n
     - Program Title:  y
     - Processed out:  non
  Using CPU. Note: This module is much faster with a GPU.
  [W NNPACK.cpp:80] Could not initialize NNPACK! Reason: Unsupported hardware.
  
  ---------------------------
  Tesseract 〔テッセラクトノは
  さまざまなオペレーティングシステム上で動作
  する光学式文字認識エンジン3
  名称のTesseractとは四次元超立方体の意で
  ある。 Apache Licenseの下でリリースされたフリーソフトウェアである145
  文字認識を行うライブラリと それを用いたコマンドラインインターフェ
  イスを持つ。
  もともとはっ98年代にプロプライエタリソフトウェアとしてヒユーレット-
  パッカードガ開発していたが 20の5年にオープンソースとしてリリースさ
  れ
  開発はzoの6年からGoogleガ後援しているら
  2006年 Tesseractは当時入手可能な最も正確なオープンソースのCエンジン
  の1つと見なされた5
  歴史
  Tesseractエンジンは
  1985年からェ994年にかけて、 英国ブリストルとコロラ
  ド州グリーリーにあるヒユーレット・パッカードラボでプロプライエタリソ
  フトウェアとして開発されていた。 1996年にさらに変更が加えられて
  「Nindowsへ移植され 1998年にCからC++に移行した。 コードの多くはcで
  記述されており 部分的にC+-で記述されている。
  それ以来
  すべてのコード
  は少なくともC++コンパイラでコンパイルするように変換されている4
  次の
  1年間はほとんど変更ガなかつた。
  その後 2095年にヒユーレット・バッカ
  一ドとネバダ大学ラスベガス校 (UNLV)
  によってオープンソースとしてリリ
  一スされた。 Tesseractの開発はzのの6年からGoogleガ後援している6
  特徹
  Tesseractlす 1995年の時点で文字認識精度ガ良い上位zつののCエンジンの
  うちの一つだった8
  TesseractldLinux
  WNindows
  IIac OSxで利用できる
  が 開発リソースの制限により WNindowsとUbuntの開発者によってのみ厳
  格なテストガ行われている45
  バージョンュまでのTesseractは; 単純な1列のテキストのTIFF画像のみの入力
  が可能だった 初期のバージョンにはレイアウト分析が合まれていなかったた
  め
  複数列のテキスト、
  画像
  数式を入力すると 文字化けした出力ガ生成さ
  れた。 バージョン3oo以降 Tesseractは出力テキストのフォーマット、
  hoCR
  位置情報
  ページレイアウト分析に対応した』
  また Leptonicaライ
  ブラリの使用により いくつかの新しい画像形式に対応した。
  Tesseractで
  は
  テキストが等幅かプロボーショナルかを検出することができる5
  ---------------------------

  ・ゴシック体のサンプル
  
  

  (py37) $ python3 easy_test4.py -i images/test-g.png
  
  --- OCR Test with easyocr ---
   OpenCV version 4.5.2 
  
  OCR Test with easyocr: Starting application...
     - Image File   :  images/test-g.png
     - Preprocessing:  n
     - Line delete  :  n
     - Max size     :  0
     - Log frag     :  n
     - Program Title:  y
     - Processed out:  non
  Using CPU. Note: This module is much faster with a GPU.
  [W NNPACK.cpp:80] Could not initialize NNPACK! Reason: Unsupported hardware.
  
  ---------------------------
  ディーブラーニングは
  (人工知能〕 実現方法の一つである機械学晋分類される方式である_
  ディーブラーニングは
  人が一つひとつルールを実装するのではなく_
  生物の の一部機能を模擬したニューラルネッ
  ワークに基本的な学習アルゴリズムを実装し
  適切なデータを与えることで コンピュータが-データの特微を自動で学
  習
  見つけ出し
  従来手法以上に高性能な識別や処理などができるようになるものである。
  学習フェーズ
  現在
  ディーブラーニングを活用して
  画像処理
  音声処理
  言語処理
  予測処理などが従来手法よりも大きな成果を
  上げているが 現時点では学習に必雲なアルゴリズムやブラットホームは発展途上にあり_
  用途による向き不向きや _
  勝手の良しあし
  精度と処理速度などが大きく異なる
  ディーブラーニングで学晋させるためには大きなマシンバワー
  が必要であり
  実装は容易ではなし
  推論フェーズ
  部の学習結果について オーブンソース・モデルとして
  事前学習済みモデルと呼ばれるディーブラーニング学習済
  みの結果が公開されている
  の学習済みモデルを利用すると
  カメラ画像やビデオデーター
  写真データなどに対して比
  軟的容易に画像認識や音声認識などを行うことが可能になる_
  ---------------------------

  ・その他のサンプル
  

  (py37) $ python3 easy_test4.py -i images/test1.png
  (py37) $ python3 easy_test4.py -i images/yokogaki.png
  (py37) $ python3 easy_test4.py -i images/test_color.png
  (py37) $ python3 easy_test4.py -i images/sample0.png

  
  
  
  

OCRエンジン「EasyOCR」について †

「EasyOCR」サポート言語 †

　※ 42ヶ国語対応　　出典：JaidedAI

これまでの調査結果 †

1. 「Tesseract」に比べると動作速度は遅い。(CPU での検証、GPU 前提の仕様かも)
   
2. インストールとデモンストレーションまでの情報は多数あるが、実際の使用に際しての情報はほとんどなくソースをたどっていくしかないよう。
   
3. 数字に関する認識精度が「Tesseract」に比べると低いように感じる。使い方かも。
   
4. 本用途では「￥」マークを頻繁に数字と誤認識するのが大きな問題。
   
5. 「PyTorch」前提のパッケージなので、学習させながらプログラムを構築していくような使い方をするのかもしれない。
   
6. 認識領域の座標出力値は「Tesseract」に比べると広い。（文字の周囲に余白がある）
   
7. パッケージのインターフェースは「Tesseract」とほぼ同じ使い方ができる。
   引き続き検証中...
   

更新履歴 †

• 2022/05/11 初版
   

参考資料 †

• オフィシャルサイト
  ・JAIDED AI Build OCR with no code
  ・EasyOCR (オフィシャルサイト)
  ・Ready-to-use OCR with 40+ languages supported including Chinese, Japanese, Korean and Thai
  ・API Documentation
  ・Tutorial
  

• ソース解析の参考サイト
  ・簡単にOCR処理ができるEasyOCRをGoogle Colabで試してみた
  ・easyocr.py (GitHAB)
  

• Python ログ出力について
  ・【良く分かる】Python loggerの 使い方と注意点
  ・【Python入門】loggingモジュールで処理の記録を残してみよう！
  ・logging 基本的な使い方
  ・Pythonで__name__を使う方法【初心者向け】
  

• Text detection from images using EasyOCR: Hands-on guide
  
• PythonでOCR - Easy OCR
  
• EasyOCRをインストールしてPythonで文字認識を行う
  
• PythonでEasyOCRを使用し画像内のテキストと数字の検出する