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.
MAC görüntü formatı, Monkey's Audio Görüntü dosyası olarak da bilinir, öncelikle sıkıştırılmış ses verilerini depolamak için kullanılan bir dosya formatıdır. Macintosh bilgisayarlarında kullanılan PICT, PNG veya JPEG gibi herhangi bir görüntü dosyası türünü ifade edebilecek daha genel 'Mac görüntü formatı' terimiyle karıştırılmamalıdır. MAC görüntü formatı, Matthew T. Ashland tarafından geliştirilen kayıpsız bir ses sıkıştırma kodeki olan Monkey's Audio ile özel olarak ilişkilendirilmiştir. Kayıpsız sıkıştırma, orijinal verilerin sıkıştırılmış verilerden mükemmel bir şekilde yeniden oluşturulmasına olanak tanıyan bir tür veri sıkıştırma algoritmasıdır. Bu, dosya boyutunu küçültmek için bazı ses bilgilerini atarak ses kalitesini potansiyel olarak etkileyen MP3 veya AAC gibi kayıplı sıkıştırma formatlarının aksinedir.
Monkey's Audio, ses kalitesinde herhangi bir kayıp olmadan sesi sıkıştırmak için tescilli bir algoritma kullanır; bu, ses sıkıştırıldığında orijinal kaynakla bit bit aynı olduğu anlamına gelir. Bu, yüksek kaliteli ses üretimi gerektiren ses tutkunları ve profesyoneller için özellikle önemlidir. MAC formatı, hızlı (ancak daha az sıkıştırma) ile yüksek (daha fazla sıkıştırma) arasında değişen çeşitli sıkıştırma seviyelerini destekleyerek kullanıcıların ihtiyaçlarına göre dosya boyutu ve kodlama süresi arasında denge kurmalarına olanak tanır.
MAC dosya formatı, sıkıştırılmış ses verilerini ve ses akışı hakkında meta verileri tutan bir kapsayıcıya yerleştirilir. Bu meta veriler, sanatçı adı, albüm başlığı, parça numarası ve ses içeriğini düzenlemek ve tanımlamak için yararlı olan diğer ayrıntılar gibi bilgileri içerebilir. Format ayrıca, 16 bit/44,1 kHz'de standart Kompakt Disk Dijital Ses'in (CDDA) ses kalitesini aşan 24 bit ve 96 kHz'e kadar yüksek çözünürlüklü sesi işleyebilir.
MAC formatının temel özelliklerinden biri hata algılama ve düzeltme yetenekleridir. Her ses verisi karesi, sıkıştırma sırasında verilerin bütünlüğünü doğrulamak için kullanılabilecek bir kontrol toplamı veya karma içerir. Bir hata tespit edilirse, yazılım hatayı düzeltmeyi deneyebilir ve ses çıktısının bozulmadan kalmasını sağlayabilir. Bu, ses dosyalarının bütünlüğünün çok önemli olduğu arşivleme amaçları için özellikle yararlıdır.
Ses kalitesi açısından avantajlarına rağmen MAC formatının bazı sınırlamaları vardır. En önemlilerinden biri, yazılım ve donanım oynatıcılar arasında yaygın olarak desteklenmemesi. MP3 veya FLAC gibi daha popüler formatların aksine, Monkey's Audio dosyaları çeşitli cihazlarda evrensel olarak oynatılamaz. Bu, dosyaları farklı bir formata dönüştürmeden müziklerini bir dizi platformda dinlemek isteyen kullanıcılar için önemli bir dezavantaj olabilir.
Bir diğer sınırlama ise dosya boyutudur. Monkey's Audio kayıpsız sıkıştırma sağlasa da, ortaya çıkan dosyalar yine de kayıplı muadillerinden önemli ölçüde daha büyüktür. Bu, sınırlı depolama alanına sahip kullanıcılar veya bant genişliğinin bir kısıtlama olabileceği internet üzerinden ses akışı yapmak isteyenler için bir sorun olabilir. Sonuç olarak, MAC formatı, daha küçük dosya boyutlarının ve daha geniş uyumluluğun daha önemli olduğu taşınabilir cihazlar ve akış uygulamaları için daha az uygundur.
MAC formatı ayrıca, meta verilerin ses dosyasının kendisine dahil edilmesi olan etiketleme desteği de içerir. Bu etiketleme sistemi, başlık, sanatçı, albüm, yıl, tür ve yorumlar gibi parça hakkında ayrıntılı bilgilerin depolanmasına olanak tanır. Bu etiketler, medya oynatıcıların ses kitaplığını kullanıcı dostu bir şekilde düzenlemesi ve görüntülemesi için çok önemlidir. Format, Monkey's Audio'ya özgü olan APE etiketlerini ve MP3 dosyalarıyla daha sık ilişkilendirilen ID3 etiketlerini destekler.
Teknik özellikler açısından MAC formatı, kayıpsız sıkıştırmayı elde etmek için çeşitli teknikler kullanır. Bunlar, gelecekteki örnekleri geçmiş örneklere göre tahmin eden doğrusal tahmin ve daha yaygın öğeleri daha az bit ile kodlayarak yedekliliği azaltan entropi kodlamasını içerir. Format ayrıca, sıkıştırmadan önce ses verilerini ön işlemek için bir dizi filtre kullanır; bu, sıkıştırma algoritmasının verimliliğini artırmaya yardımcı olabilir.
MAC formatının sıkıştırma algoritması asimetriktir; yani sesi kodlama (sıkıştırma) işlemi, onu kod çözme (sıkıştırma) işleminden daha fazla CPU yoğundur. Bu, birçok kayıpsız sıkıştırma algoritmasının ortak bir özelliğidir, çünkü kodlama işlemi genellikle ses verilerini temsil etmenin en verimli yolunu bulmak için karmaşık hesaplamalar içerir. Ancak, veriler bir kez sıkıştırıldıktan sonra, kod çözme işlemi nispeten basittir ve daha az işlem gücü gerektirir.
Monkey's Audio ayrıca, hasarlı veya bozuk MAC dosyalarını onarmak için kullanılabilecek hata düzeltme dosyalarının oluşturulmasını destekler. APEv2 dosyaları olarak bilinen bu düzeltme dosyaları, veri kaybı durumunda sesi orijinal durumuna geri yüklemek için kullanılabilecek ek veriler içerir. Bu özellik, ses dosyaları için ekstra bir güvenlik katmanı ekleyerek MAC formatını uzun süreli ses arşivlerinin depolanması için çekici bir seçenek haline getirir.
MAC formatı birçok işletim sisteminde yerel olarak desteklenmez; bu da kullanımına engel olabilir. Ancak, çeşitli platformlarda MAC dosyalarının oynatılmasını, dönüştürülmesini ve düzenlenmesini sağlayan üçüncü taraf yazılım araçları mevcuttur. Örneğin, kullanıcılar Monkey's Audio dosyalarını doğrudan oynatmalarına olanak tanıyan Foobar2000 veya Winamp gibi popüler medya oynatıcılar için eklentiler bulabilirler. Ayrıca, MAC dosyalarını daha geniş bir cihaz yelpazesiyle uyumluluk için FLAC veya WAV gibi daha yaygın olarak desteklenen formatlara dönüştürebilen dönüştürme araçları da vardır.
MAC formatının sınırlı benimsenmesinin nedenlerinden biri, FLAC, ALAC (Apple Kayıpsız Ses Kodeği) ve WAV (Dalga Biçimi Ses Dosyası Formatı) gibi rekabet eden kayıpsız ses kodeklerinin varlığıdır. Özellikle FLAC, açık kaynaklı yapısı ve birçok cihaz ve yazılım uygulamasında desteği sayesinde yaygın kabul görmüştür. ALAC, Apple'a ait olsa da Apple cihazları ve yazılımlarında da yaygın olarak desteklenmektedir. WAV, sıkıştırılmamış olsa da profesyonel ses endüstrisinde sıkıştırılmamış ses için standart bir formattır ve hemen hemen her yerde desteklenir.
Rekabete rağmen MAC formatının, her şeyden önce ses kalitesine öncelik veren ve daha büyük dosya boyutları ve sınırlı uyumlulukla uğraşmaya istekli olanlar arasında sadık bir kullanıcı tabanı vardır. Bu kullanıcılar için MAC formatının sağlam hata düzeltmesi, yüksek çözünürlüklü ses desteği ve verimli kayıpsız sıkıştırma, yüksek kaliteli ses dosyalarını arşivlemek ve dinlemek için tercih edilen bir seçenek haline getirir.
Sonuç olarak, MAC görüntü formatı, kayıpsız ses sıkıştırma için tasarlanmış bir kodek olan Monkey's Audio ile ilişkili özel bir ses dosyası formatıdır. Yüksek kaliteli ses üretimi, hata algılama ve düzeltme ve yüksek çözünürlüklü ses desteği sunar. Ancak, daha büyük dosya boyutları, cihazlar ve yazılımlarla sınırlı uyumluluk ve alternatif kayıpsız kodeklerin varlığı benimsenmesini engellemektedir. Günlük kullanım için en pratik seçenek olmasa da MAC formatı, ses kayıtlarında en yüksek sadakati gerektiren ve bunu barındırmak için gerekli yazılım ve depolama çözümlerine yatırım yapmaya istekli olan ses tutkunları ve profesyoneller için değerli bir araç olmaya devam etmektedir.
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.