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

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。