Optik Karakter Tanıma (OCR) metin resimlerini—taramaları, akıllı telefon fotoğraflarını, PDF'leri—makine tarafından okunabilir dizelere ve giderek artan bir şekilde yapılandırılmış verilere dönüştürür. Modern OCR, bir görüntüyü temizleyen, metni bulan, okuyan ve zengin meta verileri dışa aktaran bir boru hattıdır böylece alt sistemler alanları arayabilir, dizine ekleyebilir veya çıkarabilir. Yaygın olarak kullanılan iki çıktı standardı şunlardır: hOCR, metin ve düzen için bir HTML mikroformatı ve ALTO XML, bir kütüphane/arşiv odaklı şema; her ikisi de konumları, okuma sırasını ve diğer düzen ipuçlarını korur ve gibi popüler motorlar tarafından desteklenir Tesseract.
Ön işleme. OCR kalitesi görüntü temizleme ile başlar: gri tonlamaya dönüştürme, gürültü giderme, eşikleme (ikili hale getirme) ve eğrilik düzeltme. Kanonik OpenCV eğitimleri küresel, uyarlanabilir ve Otsu eşikleme—düzensiz aydınlatmalı veya bimodal histogramlı belgeler için temel unsurlar. Bir sayfa içinde aydınlatma değiştiğinde (telefon fotoğraflarını düşünün), uyarlanabilir yöntemler genellikle tek bir küresel eşikten daha iyi performans gösterir; Otsu histogramı analiz ederek otomatik olarak bir eşik seçer. Eğim düzeltme de aynı derecede önemlidir: Hough tabanlı eğrilik düzeltme (Hough Çizgi Dönüşümü) Otsu ikilileştirmesi ile eşleştirilmiş, üretim ön işleme boru hatlarında yaygın ve etkili bir reçetedir.
Tespit ve tanıma. OCR tipik olarak metin tespiti (metin nerede ?) ve metin tanıma (ne diyor?) olarak ikiye ayrılır. Doğal sahnelerde ve birçok taramada, tamamen evrişimli dedektörler gibi EAST ağır teklif aşamaları olmadan kelime veya satır düzeyinde dörtgenleri verimli bir şekilde tahmin eder ve yaygın araç setlerinde (ör. OpenCV’nin metin tespiti eğitimi) uygulanır. Karmaşık sayfalarda (gazeteler, formlar, kitaplar), satırların/bölgelerin segmentasyonu ve okuma sırası çıkarımı önemlidir:Kraken geleneksel bölge/satır segmentasyonunu ve sinirsel temel çizgi segmentasyonunu uygular, farklı komut dosyaları ve yönler (LTR/RTL/dikey) için açık destek ile.
Tanıma modelleri. Klasik açık kaynaklı iş gücü Tesseract (Google tarafından açık kaynaklı hale getirildi, kökleri HP'ye dayanıyor) bir karakter sınıflandırıcısından LSTM tabanlı bir dizi tanıyıcıya dönüştü ve aranabilir PDF'ler, hOCR/ALTO dostu çıktılarve daha fazlasını CLI'den yayabilir. Modern tanıyıcılar, önceden bölümlenmiş karakterler olmadan dizi modellemesine güvenir. Bağlantıcı Geçici Sınıflandırma (CTC) temel olmaya devam ediyor, girdi özellik dizileri ve çıktı etiket dizileri arasındaki hizalamaları öğreniyor; el yazısı ve sahne metni boru hatlarında yaygın olarak kullanılıyor.
Son birkaç yılda, Transformer'lar OCR'yi yeniden şekillendirdi. TrOCR bir görüş Transformer kodlayıcı artı bir metin Transformer kod çözücü kullanır, büyük sentetik korpuslar üzerinde eğitilmiş ve ardından gerçek veriler üzerinde ince ayar yapılmış, basılı, el yazısı ve sahne metni karşılaştırmalarında güçlü performansla (ayrıca bkz. Hugging Face belgeleri). Paralel olarak, bazı sistemler alt akım anlama için OCR'yi atlar: Donut (Belge Anlama Transformer'ı) doğrudan yapılandırılmış cevaplar (anahtar-değer JSON gibi) üreten OCR'siz bir kodlayıcı-kod çözücüdür belge resimlerinden (repo, model kartı), ayrı bir OCR adımı bir IE sistemini beslediğinde hata birikimini önler.
Birçok komut dosyasında pille birlikte metin okuma istiyorsanız, EasyOCR 80'den fazla dil modeliyle basit bir API sunar, kutular, metin ve güvenilirlikler döndürür—prototipler ve Latin olmayan komut dosyaları için kullanışlıdır. Tarihi belgeler için, Kraken temel çizgi segmentasyonu ve komut dosyasına duyarlı okuma sırası ile parlar; esnek satır düzeyinde eğitim için, Calamari Ocropy soyundan gelir (Ocropy) (çoklu)LSTM+CTC tanıyıcıları ve özel modelleri ince ayarlamak için bir CLI ile.
Genelleme verilere bağlıdır. El yazısı için, IAM El Yazısı Veritabanı eğitim ve değerlendirme için yazar açısından çeşitli İngilizce cümleler sağlar; bu, satır ve kelime tanıma için uzun süredir devam eden bir referans setidir. Sahne metni için, COCO-Text MS-COCO üzerine kapsamlı ek açıklamalar katmanladı, basılı/el yazısı, okunaklı/okunaksız, komut dosyası ve tam transkripsiyonlar için etiketlerle (ayrıca orijinal proje sayfasınabakın). Alan ayrıca sentetik ön eğitime de büyük ölçüde güvenir: Vahşi Doğada SynthText gerçekçi geometri ve aydınlatma ile fotoğraflara metin işler, önceden eğitmek için büyük hacimli veriler sağlar dedektörler ve tanıyıcılar (referans kod ve veri).
ICDAR’ın Sağlam Okuma şemsiyesi altındaki yarışmalar değerlendirmeyi temellendirir. Son görevler uçtan uca tespit/okumayı vurgular ve kelimeleri ifadelere bağlamayı içerir, resmi kod raporlaması kesinlik/geri çağırma/F-skoru, kesişim-üzeri-birleşim (IoU) ve karakter düzeyinde düzenleme mesafesi metrikleri—uygulayıcıların izlemesi gerekenleri yansıtır.
OCR nadiren düz metinle biter. Arşivler ve dijital kütüphaneler ALTO XML 'i tercih eder çünkü içeriğin yanı sıra fiziksel düzeni (koordinatlı bloklar/satırlar/kelimeler) kodlar ve METS paketlemesiyle iyi eşleşir. hOCR mikroformatı ise aynı fikri ocr_line ve ocrx_word gibi sınıfları kullanarak HTML/CSS'ye gömer, bu da web araçlarıyla görüntülemeyi, düzenlemeyi ve dönüştürmeyi kolaylaştırır. Tesseract her ikisini de sunar—örneğin, doğrudan CLI'den hOCR veya aranabilir PDF'ler oluşturma (PDF çıktı kılavuzu); pytesseract gibi Python sarmalayıcıları kolaylık sağlar. Depoların sabit alım standartları olduğunda hOCR ve ALTO arasında çeviri yapmak için dönüştürücüler mevcuttur—bu derlenmiş listeye bakın OCR dosya formatı araçları.
En güçlü eğilim yakınsamadır: tespit, tanıma, dil modelleme ve hatta göreve özgü kod çözme birleşik Transformer yığınlarında birleşiyor. büyük sentetik korpuslar üzerinde ön eğitim bir güç çarpanı olmaya devam ediyor. OCR'siz modeller, hedefin kelimesi kelimesine transkriptler yerine yapılandırılmış çıktılar olduğu her yerde agresif bir şekilde rekabet edecektir. Hibrit dağıtımlar da bekleyin: uzun biçimli metin için hafif bir dedektör artı bir TrOCR tarzı tanıyıcı ve formlar ve makbuzlar için bir Donut tarzı model.
Tesseract (GitHub) · Tesseract belgeleri · hOCR özellikleri · ALTO arka planı · EAST dedektörü · OpenCV metin tespiti · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · IAM el yazısı · OCR dosya formatı araçları · EasyOCR
Optical Character Recognition (OCR), tarama yapılan kağıt belgeler, PDF dosyaları veya dijital bir kamera ile çekilen fotoğraflar gibi çeşitli belgeleri düzenlenebilir ve aranabilir bilgilere çevirmek için kullanılan bir teknolojidir.
OCR, giriş görüntüsünü veya belgeyi tarayarak, görüntüyü bireysel karakterlere ayırarak ve her karakteri bir karakter şekli veritabanı ile pattern recognition veya feature recognition kullanarak karşılaştırarak çalışır.
OCR, basılı belgelerin dijitalleştirilmesi, metinden sesli hizmetlerin etkinleştirilmesi, veri giriş süreçlerinin otomatikleştirilmesi ve görme engelli kullanıcıların metinle daha iyi etkileşim kurması gibi farklı sektörlerde ve uygulamalarda kullanılır.
OCR teknolojisinde büyük gelişmeler kaydedilmiş olmasına rağmen, hâlâ hatalar olabilir. Doğruluk, orijinal belgenin kalitesine ve kullanılan OCR yazılımının özelliklerine bağlı olarak değişir.
OCR, temel olarak basılmış metin için tasarlanmıştır, ancak bazı gelişmiş OCR sistemleri, net ve tutarlı el yazısını da tanıyabilir. Ancak, bireysel yazı stillerindeki büyük varyasyonlar nedeniyle, genellikle el yazısının tanınması daha az doğrudur.
Evet, birçok OCR yazılım sistemi birden fazla dili tanıyabilir. Ancak, belirli bir dilin desteklendiğinden emin olmak için kullanılan yazılımı kontrol etmek önemlidir.
OCR, Optical Character Recognition anlamına gelir ve basılı metni tanımak için kullanılır, ICR ise Intelligent Character Recognition anlamına gelir ve daha gelişmiş olup el yazısını tanımak için kullanılır.
OCR, açık, okunabilir fontlar ve standart metin boyutlarıyla en iyi sonucu verir. Farklı fontlar ve boyutlarla da çalışabilir, ancak alışılmadık fontlar veya çok küçük metin boyutlarıyla karşılaştığında doğruluk genellikle azalır.
OCR, düşük çözünürlüklü belgeler, karmaşık fontlar, zayıf basılan metinler, el yazısı ve metni engelleyen arka planları olan belgelerle zorlanabilir. Ayrıca, birçok dili destekleyebilme özelliğine rağmen, her dili mükemmel bir şekilde kapsayamayabilir.
Evet, OCR, renkli metin ve arka planları tarayabilir, ancak genellikle yüksek kontrastlı renk kombinasyonları, örneğin beyaz arka plan üzerinde siyah metin, ile daha etkilidir. Metin ve arka plan rengi yeterli kontrast oluşturmadığında doğruluk düşebilir.
.AVS dosya biçimi, Audio Video Standard'ın kısaltmasıdır ve AVID tarafından dijital ses ve video verilerini depolamak için geliştirilen bir multimedya kapsayıcı biçimidir. Genellikle profesyonel video düzenleme ve post prodüksiyon iş akışlarında kullanılır. .AVS biçimi, yüksek kaliteli, sıkıştırılmamış veya hafif sıkıştırılmış ses ve video içeriğini işlemek üzere tasarlanmıştır ve bu da düzenleme süreci boyunca kaynak materyallerin doğruluğunu korumak için uygundur.
.AVS biçiminin temel özelliklerinden biri, tek bir dosya içinde birden fazla ses ve video parçasını depolama yeteneğidir. Bu, editörlerin bir projenin diyalog, ses efektleri, müzik ve çeşitli video açıları veya çekimleri gibi ayrı öğeleri tek bir kapsayıcı içinde kullanmalarına olanak tanır. Her parça, örnekleme hızı, bit derinliği ve sıkıştırma ayarları dahil olmak üzere kendi özelliklerine sahip olabilir ve bu da farklı medya türlerini yönetmede esneklik sağlar.
.AVS biçimi, çeşitli yakalama cihazları ve düzenleme yazılımlarıyla uyumluluğu sağlayarak çok çeşitli ses ve video kodeklerini destekler. Ses için genellikle sıkıştırılmamış PCM (Darbe Kod Modülasyonu) veya AAC (Gelişmiş Ses Kodlaması) veya AVID'in tescilli DNxHD kodeği gibi hafif sıkıştırılmış biçimleri kullanır. Bu kodekler yüksek ses kalitesini korur ve dosya boyutu ile performans arasında denge kurma seçenekleri sunar. .AVS tarafından desteklenen video kodekleri arasında sıkıştırılmamış RGB veya YUV'un yanı sıra daha verimli depolama ve işleme için görsel olarak kayıpsız sıkıştırma sunan AVID'in DNxHD ve DNxHR kodekleri bulunur.
Ses ve video verilerine ek olarak, .AVS biçimi meta veri ve zaman kodu bilgilerini de içerir. Meta veriler, klip adları, kamera ayarları, yapım notları ve medya varlıklarını düzenlemeye ve yönetmeye yardımcı olan diğer ilgili bilgiler gibi ayrıntıları içerebilir. Zaman kodu, ses ve video parçalarını senkronize etmek için hassas bir referans sağladığı için video düzenlemede çok önemli bir unsurdur. .AVS biçimi, SMPTE (Sinema ve Televizyon Mühendisleri Derneği) ve MTC (MIDI Zaman Kodu) dahil olmak üzere çeşitli zaman kodu standartlarını destekleyerek profesyonel düzenleme araçları ve iş akışlarıyla sorunsuz entegrasyon sağlar.
Bir .AVS dosyasının yapısı, iç içe geçmiş ses ve video verilerinin ardından gelen bir başlıktan oluşur. Başlık, parça sayısı, özellikleri ve içeriğin genel süresi gibi dosya hakkında temel bilgiler içerir. Ses ve video verileri, her biri belirli bir parça için belirli miktarda veri içeren parçalar veya paketler halinde saklanır. Bu yapı, düzenleme ve oynatma sırasında dosyanın verimli bir şekilde okunmasını ve yazılmasını sağlar.
.AVS biçiminin avantajlarından biri, profesyonel video projelerinin kalitesini korumak için çok önemli olan büyük dosya boyutlarını ve yüksek bit hızlarını işleme yeteneğidir. 8K ve üzeri çözünürlükleri destekleyerek gelişen ekran teknolojileri için geleceğe hazırdır. Ayrıca, formatın birden fazla parça ve esnek kodek seçenekleri için desteği, editörlerin çeşitli kaynak materyallerle çalışmasına ve farklı teslimat gereksinimlerine uyum sağlamasına olanak tanır.
Sorunsuz oynatma ve düzenleme performansı sağlamak için .AVS dosyaları genellikle güçlü donanım ve özel yazılım gerektirir. AVID Media Composer, Adobe Premiere Pro ve Final Cut Pro gibi profesyonel video düzenleme uygulamaları, .AVS biçimine yerel destek sağlayarak editörlerin .AVS dosyalarını iş akışları içinde sorunsuz bir şekilde içe aktarmalarına, düzenlemelerine ve dışa aktarmalarına olanak tanır. Bu uygulamalar, birden fazla parça ve zaman kodu senkronizasyonu gibi formatın özelliklerinden yararlanarak sağlam bir düzenleme deneyimi sunar.
.AVS biçimi öncelikle profesyonel video prodüksiyonunda kullanılsa da film, televizyon ve multimedya gibi diğer sektörlerde de uygulamalar bulur. Yüksek kaliteli ses ve videoyu işleme yeteneği, esnekliği ve profesyonel araçlarla uyumluluğu, üstün medya yönetimi ve düzenleme yetenekleri gerektiren projeler için tercih edilen bir seçim olmasını sağlar.
Sonuç olarak, .AVS dosya biçimi, profesyonel video düzenleme ve post prodüksiyon iş akışları için tasarlanmış güçlü ve çok yönlü bir kapsayıcı biçimdir. Birden fazla ses ve video parçasına, çok çeşitli kodeklere, meta veri yönetimine ve zaman kodu senkronizasyonuna verdiği destek, onu yüksek kaliteli medya varlıklarını işlemek için vazgeçilmez bir araç haline getirir. Büyük dosya boyutlarını, yüksek çözünürlükleri ve esnek kodek seçeneklerini barındırma yeteneğiyle .AVS biçimi, video prodüksiyon sektöründe bir standart olmaya devam ediyor ve yaratıcı profesyonellerin olağanüstü sonuçlar sunmasını sağlıyor.
Bu dönüştürücü tamamen tarayıcınızda çalışır. Bir dosya seçtiğinizde, belleğe okunur ve seçilen biçime dönüştürülür. Ardından dönüştürülen dosyayı indirebilirsiniz.
Dönüştürmeler anında başlar ve çoğu dosya bir saniyeden kısa sürede dönüştürülür. Daha büyük dosyalar daha uzun sürebilir.
Dosyalarınız asla sunucularımıza yüklenmez. Tarayıcınızda dönüştürülürler ve dönüştürülen dosya daha sonra indirilir. Dosyalarınızı asla görmeyiz.
JPEG, PNG, GIF, WebP, SVG, BMP, TIFF ve daha fazlası dahil olmak üzere tüm resim formatları arasında dönüştürmeyi destekliyoruz.
Bu dönüştürücü tamamen ücretsizdir ve her zaman ücretsiz olacaktır. Tarayıcınızda çalıştığı için sunucular için ödeme yapmamıza gerek yoktur, bu nedenle sizden ücret almamıza gerek yoktur.
Evet! İstediğiniz kadar dosyayı aynı anda dönüştürebilirsiniz. Sadece eklerken birden fazla dosya seçin.