开源OCR文字识别软件Calamari

Calamari是一种新的开源OCR识别软件,它使用了最先进的Tensorflow实现的深度神经网络(DNN)。 提供了预训练模型和多模型投票技术。由卷积神经网络(CNNS)和长短时记忆(LSTM)层构成的可定制网络架构通过Graves等人的连接时间分类(CTC)算法进行训练。而GPU的使用大大减少了训练和预测的计算时间。我们使用两个不同的数据集来比较Calamari与OCRopy,OCRopus3和Tesseract 4的性能.Calamari在用现代英语写的UW3数据集上达到0.11%的字符错误率(CER),在用德语写的DTA19数据集上达到0.18% 错误率,其性能远远优于以上现有开源软件的结果。
使用了目前OCR最先进的的技术,CNN+LSTM+CTC+voting。
calamari OCR引擎,使用Python3编写,基于OCRopy和Kraken构建,它的设计使你既可以方便的使用命令行运行,也可以把它模块化嵌入到其他python脚本中。

在UW3和DTA19上的识别结果错误率,与OCRopy、Tesseract4、OCropus3相比较:

与其他软件相比的识别速度,有GPU加持当然很快:

值得注意的事,该库主要是用来识别印刷体古籍文字,在自然场景图像上的识别并没有实验说明。

文中识别所用的数据库图片示例:

转载来源:《开源OCR文字识别软件Calamari

 

推荐文章

说起“改头换面”,恐怕大家都觉得这不是一朝一夕的事儿。然而就在最近,网友们惊讶的发现,这件事竟能眨眼间搞定了!94版《射雕》里黄蓉的扮演者突然从朱茵变成了杨幂,服化道画风丝毫都没有变化……就连表情神态也惟妙惟肖,毫无违和感。拔群的效果果然引来一众吃瓜群众围观,热搜话题阅读量超过了1.3亿。这种被称作黑科技的AI换脸,国内也有不少仿效者,比如有网友把女主播的脸换成唐嫣、杨幂、刘亦菲等明星,真是吓傻了小编呢!Deepfake到底是啥?网友们在感叹技术高超惊艳的同时,也有些担心了,毕竟这种“移花接木”的功能可不能乱用啊!这到底是一项怎样的黑科技,国外名人明星又是如何惨遭“换脸”的?据中国日报网站报道,这项“换脸技术”,名为deepfake,由英文中的deep learning(深度学习)和fake(伪造)两个词合成而来。这是一项基于人工智能(AI)的人物图像合成技术。视频制作人只要在社交媒体上大量下载替代者与被替代者的静态图片和视频,然后用如TensorFlow等开源软件库进行学习,经过足够多的训练之后,电脑就能自动识别、换脸。换脸视频大部分由AI软件FakeApp制作而成。在Reddit和Discord网站中这些假视频分享得很火。制作视频的这款软件需要提交被替换人的大量照片,因此名人和公众人物,比如美国的前总统,都成了轻易被剪辑的对象。就连奥巴马也没能躲过……(让小编乐一会O(∩_∩)O哈哈~)点我科技公司的找标注网平台拥有丰富的数据清洗、采集、标注经验,平台还活跃着庞大的数据标注从业团队,为众多优质企业客户提供数据标一体化的服务,为AI+产业落地奠定了坚实的基础。点我科技可以为企业用户带来高效、高质量的AI数据服务!!!

热门文章

        对数据标注行业稍微有些了解的人都知道数据标注进入门槛低,适合很多人兼职也适合创业。        正是因为数据标注行业的门槛低这个特点最近两年从事数据标注的小公司小工作室如雨后春笋般的遍布全车大大小小的县城。        但是目前有个有趣的现象,那就是有很多进入数据标注行业做了一段时间的人慢慢的感觉数据标注行业就是个坑?为什么有些人会说数据标注就是个坑呢?        其实对与有上述问题认识的人我们认为,这些人多数都是有于对这个行业对自身条件的不了解,盲目的开始进入数据标注行业的。为什么我们会这样说呢?下面就给给大家来分析下到底有哪几方面的原因:        一、有相当一部分人是听了朋友或者网上消息说这行很火爆,好做,门槛低,也有一部分人了因此租办公室买电脑招人,然后就去群里面找分发项目的人就开张干起来了。可实际上这些人他们大多数都没有充分了解数据标注行业,更没有认真仔细得去调查分析,到底自己能不能做好一个项目,到底自己能不能有质有量按时交付的完成一个项目,到底自己有没有这个能力来管理项目。更多的人也没有去用长远的眼光去考虑数据标注项目。        二、数据标注项目虽然入门门槛低,但是相当一部分有于理解认知应变能力上都不能保证去做好数据标注项目,还有一部分人由于自己对标注项目重视程度不足接到项目之后呢?不仔细认真的去阅读理解项目规则,更没有很好的对规则质检标准去培训员工,而对员工的要求主要看重每天的产出效率,从而导致接到手的项目做的质量很差,频繁的返工,有提项目甚至因为质量太烂项目方不给结算或者是结算比例很少,最终的结果就是做好些个项目但基本都是赔钱。        三、虽然业内人都 说数据标注简单,但是标注项目他也是一个系统性的工程,一个项目能不能做好并不简单的看项目好做就能赔钱。实际上决定项目赚不赚钱考验的是一个团队的项目管理水平,质量管理能力,运营能力各方面因素的。一句话再好赚钱的项目也照样有人赚钱也有人赚钱,要赚钱不是那么简单的。        四、还有些工作室 、小公司因为对行业不够了解等他们做了一段时间后发现,自己团队经常会没有项目做,而自己团队接项目的业务能力又不具备,甚至有的时候为了员工有活干去接一些价格极低根本就不赚钱的标注项目,时间稍微一长这些工作室团队就会赔上很多钱最终关门倒闭。        五、下来要说的就是一部分人人兼职人员由于认识不到位,对项目的规则质量要求 文件不认真阅读消化理解导致做的项目质量差返工有的甚至最后不结算,最终退出这行。更有一些人由于经验不足被标注行业的项目骗子给忽悠到辛苦劳动到最后结算时找不到人。        标注行业本身由于进入门槛低,做的人很行业内盲目打价格战,导致很多转手二手三手的项目在质量工期的要求下根本就不赚钱甚至赔钱,所以在这里也提醒大家做任何事都要谨慎而行。