मुफ़्त OCR - इमेज टू टेक्स्ट एक्सट्रैक्टर

यह कैसे काम करता है

यहाँ OCR (ऑप्टिकल कैरेक्टर रिकग्निशन) PaddleOCR प्रोजेक्ट के ओपन-सोर्स मॉडल सेट PP-OCRv5 को सीधे आपके ब्राउज़र में चलाता है। यह फ़ोटो या स्कैन से छपा टेक्स्ट पढ़ता है, और इमेज कभी आपके डिवाइस से बाहर नहीं जाती।

1. 1
   पहले टेक्स्ट क्षेत्र खोजे जाते हैं

   एक डिटेक्शन मॉडल इमेज को स्कैन करता है और टेक्स्ट की लाइन जैसे दिखने वाले हर हिस्से की रूपरेखा बनाता है, एक ऐसी प्रति पर काम करते हुए जिसका सबसे लंबा किनारा लगभग 960 पिक्सेल हो। इसी वजह से रसीद की फ़ोटो पर यह काम करता है: मॉडल टेक्स्ट की जगह खोजता है, यह मानकर नहीं चलता कि पूरी इमेज एक साफ़ पेज है। यह चरण किसी भी भाषा के लिए एक जैसा है, इसलिए यह एक बार (लगभग 12 MB) डाउनलोड होता है और दोबारा उपयोग होता है।
2. 2
   आपकी लिपि के लिए एक पहचान मॉडल डाउनलोड होता है

   अक्षरों की आकृति पढ़ना लिपि-विशिष्ट है, इसलिए आपकी चुनी लेखन प्रणाली के लिए दूसरा मॉडल लाया जाता है — ज़्यादातर के लिए लगभग 8 MB, कोरियाई के लिए 13 MB और चीनी व जापानी के लिए 17 MB। लैटिन चुनने पर कुल मिलाकर लगभग 19 MB लगता है। हर मॉडल कैश होता है, इसलिए पहले उपयोग की गई लिपि पर लौटने पर कुछ डाउनलोड नहीं होता।
3. 3
   हर लाइन सीधी की जाती है और पढ़ी जाती है

   पहचानी गई हर लाइन की दिशा जाँची जाती है, ज़रूरत हो तो सीधी घुमाई जाती है, फिर पहचान मॉडल को दी जाती है, जो उसे अक्षर-दर-अक्षर पढ़ता है। पढ़ने का क्रम बाद में ऊपर से नीचे और बाएँ से दाएँ फिर से बनाया जाता है, इसलिए आउटपुट उस लेआउट से मेल खाता है जो आप देखते हैं, न कि उस क्रम से जिसमें डिटेक्टर को बॉक्स मिले।
4. 4
   टेक्स्ट बॉक्स और विश्वास स्कोर के साथ मिलता है

   हर लाइन के साथ एक विश्वास स्कोर और उसके निर्देशांक होते हैं, ताकि आप देख सकें कि कहाँ से क्या पढ़ा गया, और उन स्थितियों को सहेजने वाला hOCR एक्सपोर्ट कर सकें। साफ़, उच्च-कंट्रास्ट टेक्स्ट 90% से काफ़ी ऊपर स्कोर करता है; कम रिज़ॉल्यूशन, चमक और हस्तलेख इसे घटा देते हैं।

संबंधित टूल