Ocrs

ocrs 是一个用于从图像中提取文本的 Rust 库和命令行工具，也称为 OCR（光学字符识别）。

该项目的目标是创建一个现代化的 OCR 引擎，它：

• 能够在各种图像（扫描文档、包含文本的照片、屏幕截图等）上表现良好，与早期引擎如 Tesseract 相比，需要零或更少的预处理工作。这是通过在处理流程中更广泛地使用机器学习来实现的。
• 易于在各种平台上编译和运行，包括 WebAssembly
• 使用开放和宽松许可的数据集进行训练
• 拥有易于理解和修改的代码库

在底层，该库使用 PyTorch 训练的神经网络模型，然后将其导出为 ONNX 格式，并使用 RTen 引擎执行。有关更多详细信息，请参阅模型部分。

状态

ocrs 目前处于早期预览阶段。与商业 OCR 引擎相比，可能会出现更多错误。

语言支持

ocrs 目前仅识别拉丁字母（如英语）。更多语言的支持计划中。

CLI 安装

要安装命令行工具，您首先需要安装 Rust 和 Cargo。然后运行：

$ cargo install ocrs-cli

CLI 使用

要从图像中提取文本，运行：

$ ocrs image.png

首次运行该工具时，它会自动下载所需的模型并将其存储在 ~/.cache/ocrs 中。

其他示例

从图像中提取文本并写入 content.txt：

$ ocrs image.png -o content.txt

以 JSON 格式从图像中提取文本和布局信息：

$ ocrs image.png --json -o content.json

在图像上标注检测到的单词和行的位置：

$ ocrs image.png --png -o annotated.png

库的使用

有关如何将 ocrs 作为 Rust 库使用的详细信息，请参阅 ocrs crate README。

模型和数据集

ocrs 使用 PyTorch 编写的神经网络模型。有关模型和数据集的更多详细信息，以及用于训练自定义模型的工具，请参阅 ocrs-models 存储库。这些模型也以 ONNX 格式提供，可用于其他机器学习运行时。

开发

要在本地构建和运行 ocrs 库和命令行工具，您需要安装最新的稳定版 Rust。然后运行：

git clone https://github.com/robertknight/ocrs.git
cd ocrs
cargo run -p ocrs-cli -r -- image.png

测试

Ocrs 为 ML 模型处理前后的代码提供单元测试，以及对整个流程（包括模型）进行测试的端到端测试。

在修改代码后，运行单元测试和 lint 检查：

make check

您也可以直接运行标准命令，如 cargo test。

运行端到端测试：

make test-e2e

有关 ML 模型评估的详细信息，请参阅 ocrs-models 存储库。