IronOCR 과 AWS Textract OCR 비교

텍스트 인식을 위한 두 가지 주요 OCR 알고리즘은 패턴 매칭과 특징 추출입니다.

패턴 매칭

패턴 매칭 과정 전체에서 문자 그림 또는 글리프가 고립되고 이전에 기록된 글리프와 비교됩니다.

특징 추출

특징 추출 과정을 통해 글리프는 선, 폐쇄 고리, 선 방향, 선 접합점과 같은 특징으로 나뉩니다.

IronOCR는 스캔, 검색, 이미지 및 PDF 읽기를 제공하는 C# .NET 라이브러리입니다. 125개 이상의 글로벌 언어 팩이 포함되어 있습니다. 텍스트, 구조화된 데이터, 또는 검색 가능한 PDF로 출력이 생성됩니다. .NET 버전 6, 5, Core, Standard, 및 Framework과 같은 버전을 지원합니다.

IronOCR는 불완전하게 스캔된 이미지와 문서에서 데이터를 자동으로 감지하고 추출하는 독특한 기능을 가지고 있습니다. 'IronTesseract' 클래스는 가장 간단한 API를 제공합니다. 모든 플랫폼에서 속도, 정확성, 네이티브 DLL 및 API가 향상된 Tesseract의 가장 발전된 빌드를 제공합니다.

IronOCR는 모든 이미지 형식의 바코드 및 QR 코드를 스캔할 수 있으며, 최신 Tesseract 5 엔진을 사용하여 텍스트를 읽고 PDF 스캐닝을 수행합니다.

기능

• 순수하게 .NET 애플리케이션을 위해 만들어졌습니다.
• 125가지 다른 언어를 지원합니다. Arabic, Chinese, English, Finnish, French, German, Japanese 및 많은 다른 언어들은 IronOCR에 의해 지원됩니다.
• 기울어진 이미지의 위치를 정확히 맞추고 이미지에서 노이즈를 제거하여 정확한 출력을 제공합니다.
• 낮은 DPI의 저해상도 이미지에서 뛰어난 성능을 발휘합니다.
• 여러 종류의 QR 코드 및 바코드를 읽을 수 있습니다.
• 또한 Gif와 Tiff 형식을 지원합니다.
• 동시에 여러 스레드를 허용합니다. 이것은 다른 OCR 라이브러리에는 없는 뛰어난 기능입니다. 프로세스를 더 매끄럽게 만듭니다.
• 쉽게 PDF 파일에서 OCR을 수행하고 검색 가능한 PDF 문서를 OCR로 내보낼 수 있습니다.

이제 AWS OCR을 살펴보겠습니다.

Amazon의 AWS Textract는 스캔된 문서에서 텍스트와 데이터를 자동으로 추출하는 기계 학습(ML) 서비스입니다. 단순한 광학 문자 인식(OCR)을 넘어 딥 러닝 기술을 사용하여 양식 및 테이블에서 데이터를 식별, 이해 및 추출합니다.

AWS OCR Textract는 기계 학습을 사용하여 모든 종류의 문서를 읽고 처리하며, 수동 노력 없이 텍스트, 표 형식 데이터 및 기타 데이터를 정확하게 추출합니다. 데이터를 추출하는 데 몇 시간 또는 며칠 걸리는 대신, Textract는 이를 신속하게 수행할 수 있습니다. 또한, Amazon Augmented Artificial Intelligence (AI)를 통해 인간 검토를 추가하여 모델을 감독하고 민감한 데이터를 점검할 수 있습니다.

기능

• 금융 보고서, 의료 기록, 표, 세금 양식 등의 다양한 문서에서 텍스트를 감지합니다.
• Document Analysis API를 사용하여 구조화된 데이터가 있는 문서에서 텍스트, 양식, 표 데이터를 추출합니다.
• Analyze Document API에서 Queries 기능을 사용하여 문서에서 정보를 지정하고 추출합니다.
• Analyze Expense API를 사용하여 송장 및 영수증을 처리합니다.
• 미국 정부에서 발급한 운전 면허증 및 여권과 같은 ID 문서를 처리합니다, Analyze ID API를 사용하여.
• 결정 속도를 가속화할 수 있는 확장 가능한 문서 분석입니다.

기사의 나머지 부분은 다음과 같습니다.

1. Visual Studio 프로젝트 만들기
2. IronOCR 설치하기
3. AWS OCR Textract 설치하기
4. PDF를 텍스트로 변환
5. 이미지를 텍스트로 변환
6. 바코드와 QR 코드를 텍스트로 변환
7. 라이선싱
8. 결론

IronOCR은 고급 Tesseract를 사용하여 PDF 문서 형식에서 텍스트를 인식하고 읽을 수 있습니다. 다음 간단한 코드는 정보를 추출하는 데 사용됩니다:

var Ocr = new IronTesseract();
using (var input = new OcrInput())
{
    input.AddPdf("example.pdf", "password");
    // We can also select specific PDF page numbers to OCR
    var Result = Ocr.Read(input);
    Console.WriteLine(Result.Text);
    Console.WriteLine($"{Result.Pages.Count()} Pages");
    // Read every page of the PDF
}

var Ocr = new IronTesseract();
using (var input = new OcrInput())
{
    input.AddPdf("example.pdf", "password");
    // We can also select specific PDF page numbers to OCR
    var Result = Ocr.Read(input);
    Console.WriteLine(Result.Text);
    Console.WriteLine($"{Result.Pages.Count()} Pages");
    // Read every page of the PDF
}

코드는 간단하고 깔끔하며 이해하고 사용하기 매우 쉽습니다.

입력 PDF 파일

예제 PDF

산출

IronOCR 출력

Amazon Textract를 사용하면 문서 텍스트 감지 및 분석을 애플리케이션에 쉽게 추가할 수 있습니다. 다음 코드는 PDF를 읽는 데 사용되며 동일한 PDF가 전달됩니다:

public static async void ReturnResult()
{
    AmazonTextractClient client = new AmazonTextractClient("your_access_key_id", "your_secret_access_key", Amazon.RegionEndpoint.AFSouth1);
    var request = new StartDocumentTextDetectionRequest();
    request.DocumentLocation = new DocumentLocation
    {
        S3Object = new S3Object
        {
            Bucket = "your_bucket_name",
            Name = "your_bucket_key"
        }
    };
    var id = await client.StartDocumentTextDetectionAsync(request);
    var jobId = id.JobId;
    var response = client.GetDocumentTextDetectionAsync(new GetDocumentTextDetectionRequest{
        JobId = jobId
    });
    response.Wait();
    if (response.Result.JobStatus.Equals("SUCCEEDED"))
    {
        foreach (var block in response.Result.Blocks)
        {
            if (block.BlockType == "WORD" || block.BlockType == "PAGE" || block.BlockType == "LINE")
            {
                Console.WriteLine(block.Text);
            }
        }
    }
}

static void Main(String[] args)
{
    ReturnResult();
}

public static async void ReturnResult()
{
    AmazonTextractClient client = new AmazonTextractClient("your_access_key_id", "your_secret_access_key", Amazon.RegionEndpoint.AFSouth1);
    var request = new StartDocumentTextDetectionRequest();
    request.DocumentLocation = new DocumentLocation
    {
        S3Object = new S3Object
        {
            Bucket = "your_bucket_name",
            Name = "your_bucket_key"
        }
    };
    var id = await client.StartDocumentTextDetectionAsync(request);
    var jobId = id.JobId;
    var response = client.GetDocumentTextDetectionAsync(new GetDocumentTextDetectionRequest{
        JobId = jobId
    });
    response.Wait();
    if (response.Result.JobStatus.Equals("SUCCEEDED"))
    {
        foreach (var block in response.Result.Blocks)
        {
            if (block.BlockType == "WORD" || block.BlockType == "PAGE" || block.BlockType == "LINE")
            {
                Console.WriteLine(block.Text);
            }
        }
    }
}

static void Main(String[] args)
{
    ReturnResult();
}

코드는 약간 까다롭고 길며 객체를 전달하고 검색할 때 주의가 필요합니다. 우선, AmazonTextractClient 객체를 AccessKeyId, SecretAccessKey, Region 이렇게 3개의 매개변수를 사용하여 생성해야 합니다. 그런 다음 StartDocumentTextDetectionRequest() 메소드를 사용하여 요청을 시작해야 합니다. 그 요청 객체는 버킷 이름과 키를 사용하여 DocumentLocation을 설정합니다. 이 요청은 StartDocumentTextDetectionAsync() 메소드에 전달됩니다. 비동기 메소드이므로 await 키워드를 사용하고 ReturnResult 함수를 비동기로 만들어야 합니다. 성공 시 결과가 반환되고 jobId가 저장됩니다. jobId는 GetDocumentTextDetectionAsync() 메소드에 전달되고 SUCCEEDED 응답을 기다립니다. foreach 루프는 각 블록을 순회하며 그것이 "WORD", "PAGE" 또는 "LINE" 인지 확인하고, 그런 다음 텍스트 인식을 출력합니다. 마지막으로, 이 메소드를 문서 처리를 위해 Main 메소드에서 호출합니다.

산출

출력은 IronOCR과 매우 유사합니다.

AWS Textract 출력

코드는 이전 코드와 거의 유사합니다. 여기서, AddPDF 메소드는 AddImage 메소드로 대체됩니다.

var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    Input.AddImage("test-files/redacted-employmentapp.png");
    //... you can add any number of images
    var Result = Ocr.Read(Input);
    Console.WriteLine(Result.Text);
}

var Ocr = new IronTesseract();
using (var Input = new OcrInput())
{
    Input.AddImage("test-files/redacted-employmentapp.png");
    //... you can add any number of images
    var Result = Ocr.Read(Input);
    Console.WriteLine(Result.Text);
}

입력 이미지

편집된 직원 데이터

산출

출력은 깔끔하고 원본 이미지와 일치하며 몇 줄의 코드로 기술적 어려움 없이 완벽한 출력을 제공합니다.

이미지 출력