C#에서 Tesseract와 함께 사용자 지정 언어를 사용하는 방법

사용자 정의 언어에 필요한 학습 데이터는 무엇인가요?

사용자 지정 언어로 작성된 텍스트가 포함된 이 샘플 PDF를 입력으로 사용하겠습니다.

예시를 위해 이 사용자 정의 언어 .traindata를 사용할 것입니다.

학습 데이터의 품질과 포괄성은 OCR 정확도에 직접적인 영향을 미칩니다. 사용자 지정 언어 학습 데이터를 준비할 때:

1. 문자 범위 : 학습 데이터에 모든 문자와 기호가 포함되어 있는지 확인하십시오.
2. 글꼴 변형 : 문서의 서체가 다양하다면 여러 글꼴 스타일을 포함하세요.
3. 이미지 품질 : 실제 운영 환경에서 처리할 이미지와 유사한 이미지로 학습하세요.
4. 문맥 패턴 : 흔히 사용되는 단어 조합과 구문을 포함합니다.

고급 구성 옵션에 대한 자세한 내용은 Tesseract 상세 구성 가이드를 참조하십시오.

사용자 지정 언어 문서를 불러오고 처리하는 방법은 무엇입니까?

:path=/static-assets/ocr/content-code-examples/how-to/ocr-custom-language.cs

using IronOcr;
using System;
using System.IO;

var ocrTesseract = new IronTesseract();

// Load the traineddata file for the custom language
ocrTesseract.UseCustomTesseractLanguageFile("AMGDT.traineddata");

using var ocrInput = new OcrInput();
// Load the PDF containing text in the custom language
ocrInput.LoadPdf("custom.pdf");

var ocrResult = ocrTesseract.Read(ocrInput);

// Print text to the console
Console.WriteLine("--- OCR Result ---");
Console.WriteLine(ocrResult.Text);
Console.WriteLine("------------------");

// Pipe text to a .txt file
string outputFilePath = "ocr_output.txt";
File.WriteAllText(outputFilePath, ocrResult.Text);

Console.WriteLine($"\nSuccessfully saved text to {outputFilePath}");

위 코드는 사용자 지정 언어 OCR의 기본 워크플로를 보여줍니다. 보다 복잡한 시나리오의 경우 다음과 같은 개선 사항을 고려해 보세요.

성능 최적화 : 대용량 문서 또는 일괄 처리의 경우, 멀티스레딩 및 비동기 지원을 구현하여 성능을 향상시키십시오.

이미지 전처리 : 원본 문서의 품질에 문제가 있는 경우 OCR 처리 전에 이미지 보정 필터를 적용하십시오. 필터 마법사를 사용하면 최적의 전처리 설정을 찾을 수 있습니다.

영역별 OCR : 혼합 콘텐츠가 포함된 문서의 경우, 이미지의 특정 영역 OCR 기법을 사용하여 사용자 지정 언어가 포함된 특정 영역에 집중할 수 있습니다.

사용자 지정 언어 OCR을 통해 어떤 결과를 기대할 수 있나요?

이 출력은 사용자 정의 언어 모델의 결과를 보여줍니다. IronOCR은 올바른 학습 데이터를 제공함으로써 텍스트를 성공적으로 해독했으며, 결과는 평이한 영어로 되어 있습니다. 또한, 이것은 코드가 생성한 텍스트 출력입니다.

사용자 지정 언어 OCR의 정확도는 여러 요인에 따라 달라집니다.

• 학습 데이터 품질 : 더 나은 학습 데이터는 더 나은 결과를 가져옵니다.
• 문서 일관성 : 학습 데이터와 일치하는 문서가 가장 좋은 성능을 보입니다.
• 이미지 해상도 : DPI가 높을수록 더 정확한 결과를 얻을 수 있습니다. DPI 설정 가이드를 참조하세요.

사용자 정의 언어 구현을 위한 모범 사례

실제 운영 환경에서 사용자 지정 언어 OCR을 구현할 때 다음과 같은 모범 사례를 고려하십시오.

오류 처리 및 검증: 항상 .traineddata 파일이 존재하고 접근 가능한지 확인한 후 로드를 시도하십시오. 사용자 정의 언어 파일이 누락되었거나 손상된 경우에 대비하여 적절한 오류 처리를 구현하십시오.

성능 최적화 : 사용자 지정 언어 모델은 표준 언어 팩보다 클 수 있습니다. 최적의 성능을 위해:

• 여러 문서를 처리할 때 로드된 언어 모델을 캐시합니다.
• 장기 OCR 작업 모니터링을 위해 진행 상황 추적 기능을 활용하세요.
  대용량 문서를 처리할 때 시간 제한 기능을 구현하는 것을 고려해 보세요.

표준 언어와의 결합 : 문서에 사용자 지정 언어와 표준 언어가 모두 포함된 경우 여러 언어를 동시에 로드할 수 있습니다. 이 기능은 특히 내용이 혼합된 문서에 유용합니다.

테스트 및 검증 : OCR 정확도를 검증하기 위한 테스트 프레임워크를 구축합니다.

• 알려진 출력값을 포함하는 테스트 데이터셋을 생성합니다.
• 결과 신뢰도 지표를 사용하여 인식 품질을 평가합니다.
• 시각적 디버깅을 위해 강조 표시된 텍스트를 이미지로 구현합니다.

고급 사용 사례

사용자 지정 언어 OCR은 수많은 가능성을 열어줍니다.

역사 문서 보존 : 고대 필사본이나 사멸된 문자로 쓰인 문서를 디지털화합니다.
특수 표기법 시스템 : 수학 방정식, 악보 또는 기술 도면을 처리합니다. 자세한 내용 은 방정식 문제 해결 가이드를 참조하십시오.
보안 응용 분야 : 독자적인 암호화 시스템 또는 암호를 해독합니다.
접근성 : 특수 점자 또는 촉각 문자 체계를 표준 텍스트로 변환합니다.

보다 고급 시나리오의 경우, Tesseract 5와 함께 IronOCR의 다양한 기능을 보여주는 포괄적인 코드 예제를 참조하십시오.