বিনামূল্যে OCR — ছবি থেকে টেক্সট এক্সট্র্যাক্টর

কিভাবে কাজ করে

এখানে OCR (অপ্টিক্যাল ক্যারেক্টার রিকগনিশন) PaddleOCR প্রকল্পের ওপেন-সোর্স মডেল সেট PP-OCRv5 সরাসরি আপনার ব্রাউজারে চালায়। ছবি আপনার ডিভাইস না ছেড়েই এটি ফটো বা স্ক্যান থেকে ছাপা লেখা পড়ে।

1. 1
   লেখার অংশগুলো আগে খোঁজা হয়

   একটি শনাক্তকরণ মডেল ছবি স্ক্যান করে লেখার লাইনের মতো দেখতে প্রতিটি অংশের রূপরেখা আঁকে, যার জন্য ছবির একটি কপি এমনভাবে ছোট-বড় করা হয় যাতে এর দীর্ঘতম প্রান্ত প্রায় 960 পিক্সেল হয়। এ কারণেই রসিদের ছবিতেও কাজ হয়: মডেল পুরো ছবিকে পরিষ্কার পাতা ধরে না নিয়ে লেখাটি খুঁজে বের করে। আপনি যে ভাষাই পড়ুন, এই ধাপ একই, তাই এটি একবার - প্রায় 12 MB - ডাউনলোড হয় এবং পুনরায় ব্যবহৃত হয়।
2. 2
   আপনার লিপির জন্য একটি শনাক্তকারী ডাউনলোড হয়

   আকৃতি পড়া লিপি-নির্ভর, তাই আপনার বাছাই করা লিপির জন্য দ্বিতীয় একটি মডেল আনা হয় - বেশিরভাগের জন্য প্রায় 8 MB, কোরিয়ানের জন্য 13 MB এবং চীনা ও জাপানির জন্য 17 MB। লাতিন বাছলে মোট প্রায় 19 MB লাগে। প্রতিটি ক্যাশ করা থাকে, তাই আগে ব্যবহার করা লিপিতে ফিরলে কিছুই ডাউনলোড হয় না।
3. 3
   প্রতিটি লাইন সোজা করে পড়া হয়

   শনাক্ত করা প্রতিটি লাইনের দিক পরীক্ষা করা হয়, দরকার হলে সোজা করে ঘোরানো হয়, তারপর শনাক্তকারীকে দেওয়া হয়, যা অক্ষর ধরে ধরে পড়ে। পরে পড়ার ক্রম আবার সাজানো হয়, ওপর থেকে নিচে ও বাম থেকে ডানে, তাই আউটপুট আপনার দেখা বিন্যাসের সঙ্গে মেলে, ডিটেক্টর যে ক্রমে বাক্সগুলো পেয়েছে তার সঙ্গে নয়।
4. 4
   লেখা বাক্স ও আত্মবিশ্বাস স্কোরসহ ফেরত আসে

   প্রতিটি লাইনের সঙ্গে একটি আত্মবিশ্বাস স্কোর ও যে স্থানাঙ্ক থেকে এসেছে তা থাকে, তাই কোথা থেকে কী পড়া হয়েছে ঠিক দেখতে পারেন, এবং সেই অবস্থানগুলো ধরে রাখা hOCR এক্সপোর্ট করতে পারেন। পরিষ্কার, উচ্চ-বৈসাদৃশ্যের লেখা 90%-এর অনেক ওপরে স্কোর করে; কম রেজোলিউশন, ঝলক ও হাতের লেখায় তা কমে যায়।

সম্পর্কিত টুলস