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.
VICAR (Video Görüntü İletişimi ve Alma) görüntü formatı, gezegensel keşif, astronomi ve uzay biliminin diğer alanlarıyla ilgili olanlar da dahil olmak üzere bilimsel görevlerden görüntü verilerini depolamak için kullanılan bir dosya biçimidir. 1960'larda NASA'nın Jet İtki Laboratuvarı (JPL) tarafından geliştirilen VICAR, uzay araçlarından ve diğer kaynaklardan elde edilen büyük görüntü veri kümelerinin depolanmasını, iletişimini ve işlenmesini kolaylaştırmak için tasarlanmıştır. JPEG veya PNG gibi daha yaygın görüntü formatlarının aksine, VICAR formatı bilim camiasının özel ihtiyaçlarını karşılamak üzere uyarlanmıştır ve araştırma ve keşif faaliyetlerinde karşılaşılan karmaşık görüntü verilerini işlemek için sağlam bir çerçeve sağlar.
Bir VICAR dosyasının yapısı genel olarak üç ana bölüme ayrılabilir: etiket alanı, görüntü veri alanı ve isteğe bağlı bir EOL (Satır Sonu) etiket alanı. Etiket alanı, görüntünün boyutları, piksellerin veri türü, görüntüyü elde eden uzay aracı veya cihazın adı ve görüntü üzerinde gerçekleştirilen herhangi bir işlem dahil olmak üzere görüntü verileriyle ilgili meta verileri içerir. Bu meta veriler, araştırmacıların dosyanın içeriğini özel bir yazılıma ihtiyaç duymadan kolayca anlamalarını ve değiştirmelerini sağlayan insan tarafından okunabilir bir ASCII biçiminde saklanır.
Bir VICAR dosyasının görüntü veri alanı, görüntünün ham veya işlenmiş piksel değerlerini içerir. VICAR, 8 bit ve 16 bit tamsayılar, 32 bit kayan nokta sayıları ve daha fazlası dahil olmak üzere görüntü pikselleri için çok çeşitli veri türlerini destekler. Bu esneklik, formatın bilimsel araştırmada bulunan çeşitli görüntüleme gereksinimlerini karşılamasını sağlar, örneğin ayrıntılı parlaklık verilerini yakalama veya fiziksel olayların hassas ölçümü ihtiyacı gibi. Ayrıca, format çok boyutlu görüntüleri destekleyerek yalnızca geleneksel 2D görüntülerin değil, aynı zamanda 3D hacimsel verilerin ve zaman serisi verilerinin de depolanmasına olanak tanır.
VICAR görüntü formatının önemli bir özelliği, isteğe bağlı EOL (Satır Sonu) etiketlerini desteklemesidir. Bu EOL etiketleri, her görüntü veri satırına eklenir ve o satıra özgü ek meta veriler içerebilir. Bu özellik, görüntü verilerinin gerçek zamanlı olarak iletildiği durumlarda özellikle kullanışlıdır, çünkü görüntünün her satırına özgü telemetri veya durum bilgilerinin eklenmesine olanak tanır. Ayrıca, EOL etiketlerinin varlığı, her veri satırı için bağlam sağlayarak hata tespiti ve düzeltme mekanizmalarını kolaylaştırabilir.
VICAR formatının temel güçlü yönlerinden biri genişletilebilirliğidir. Format, VICAR dosyalarını okuyan mevcut araçları veya kitaplıkları bozmadan etiket alanına yeni alanların eklenebileceği şekilde tasarlanmıştır. Bu genişletilebilirlik, formatın geriye dönük uyumluluğu feda etmeden yeni bilimsel ihtiyaçları ve zorlukları karşılayacak şekilde gelişebilmesini sağlar. Ayrıca, etiket alanının açık yapısı, araştırmacıların belirli görevler veya deneylerle ilgili özel meta verileri eklemelerine olanak tanır ve formatın farklı bilimsel alanlardaki faydasını artırır.
VICAR dosyaları tipik olarak NASA ve bilimsel araştırmaya dahil olan diğer kuruluşlar tarafından geliştirilen özel yazılımlar kullanılarak işlenir ve analiz edilir. Bu araçlar, görüntü yeniden yapılandırma, geometrik düzeltme, radyometrik kalibrasyon ve daha fazlası gibi VICAR görüntülerinden anlamlı bilgi çıkarmak için gereken karmaşık işlemleri gerçekleştirebilir. Ayrıca, geliştiricilerin VICAR dosya işleme yeteneklerini özel uygulamalara entegre etmelerine olanak tanıyan yazılım kitaplıkları da mevcuttur ve bu da belirli araştırma ihtiyaçları için özel çözümlerin geliştirilmesini kolaylaştırır.
Önemli avantajlarına rağmen, VICAR görüntü formatının kullanımı öncelikle bilim camiası ve belirli özel uygulamalarla sınırlıdır. Bu sınırlı benimseme, öncelikle bilimsel görüntüleme için benzersiz gereksinimleri karşılamak üzere uyarlanmış olan özelliklerinin özgüllüğünden ve yapısının karmaşıklığından kaynaklanmaktadır. Bununla birlikte, uzay keşfi, gezegen bilimi ve astrofizik gibi alanlarda çalışan araştırmacılar ve bilim insanları için VICAR formatı, hassasiyet, esneklik ve karmaşık görüntü verilerini yönetmek için kapsamlı bir çerçeve sunan değerli bir araçtır.
VICAR görüntü formatının geliştirilmesi ve bakımı, NASA'nın Jet İtki Laboratuvarı ile daha geniş bilim camiası arasındaki işbirlikçi çabayı vurgulamaktadır. Uzay keşif görevleri karmaşıklık ve ölçek olarak büyüdükçe, çok yönlü ve sağlam bir görüntü formatına sahip olmanın önemi giderek daha belirgin hale gelmektedir. VICAR formatındaki iyileştirmeler ve destekleyici araçların geliştirilmesi yoluyla, araştırmacılar bu formata güvenmeye devam ederek bu görevlerin ürettiği muazzam miktarda görüntü verisini yakalamaya ve analiz etmeye devam edebilirler.
Yıllar geçtikçe, standartların önemi bilim camiasında giderek daha fazla kabul görmektedir. İyi belgelenmiş yapısı ve uyarlanabilirliği ile VICAR formatı, standartlaştırılmış veri formatlarının bilimsel araştırmayı kolaylaştırmada oynadığı kritik rolün başlıca bir örneğidir. Farklı görevler ve araştırma projeleri arasında tutarlılık ve uyumluluk sağlayarak VICAR gibi standartlar, bilim insanlarının verileri daha verimli ve etkili bir şekilde paylaşmalarına, karşılaştırıp analiz etmelerine olanak tanır.
Geleceğe bakıldığında, VICAR görüntü formatının geleceği muhtemelen bilim camiasının değişen ihtiyaçları ve görüntüleme teknolojisinin ilerlemesi tarafından şekillendirilecektir. Daha yüksek çözünürlüklü görüntüler ve farklı veri türleri üreten yeni sensörler ve cihazlar geliştirildikçe, VICAR formatı bu yenilikleri karşılamak için daha da geliştirilebilir. Ayrıca, yapay zeka ve makine öğrenimi tekniklerinin görüntü analizi süreçlerine entegre edilmesi, VICAR formatını yeni veri türlerini ve analiz yöntemlerini destekleyecek şekilde uyarlamak için bir katalizör görevi görebilir.
Sonuç olarak, VICAR görüntü formatı, özellikle uzay keşfi ve gezegen bilimi alanlarında bilim camiası içinde görüntü verilerinin depolanması ve analizinde kritik bir rol oynamaktadır. Esnek ve genişletilebilir yapısı, çok çeşitli veri türleri ve boyutları için sağlam destekle birleştiğinde, araştırmacılar için güçlü bir araç haline gelmektedir. Bilimsel görüntüleme manzarası gelişmeye devam ettikçe, VICAR formatının uyarlanabilirliği, gelecekteki keşif ve araştırma girişimleri tarafından üretilen zengin veri örgülerini yakalamak ve analiz etmek için alakalı ve değerli kalmasını sağlayacaktır.
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.