AWS vs Google Vision (Porównanie funkcji OCR)

2.1. Kluczowe funkcje AWS Textract

• Wyodrębnianie tekstu: Textract precyzyjnie wyodrębnia tekst z różnorodnych typów dokumentów, takich jak zeskanowane dokumenty papierowe, formularze i faktury.
• Pobieranie formularzy i tabel: Identyfikuje i pobiera dane strukturalne z formularzy i tabel, zachowując oryginalny układ i formatowanie.
• Integracja z innymi usługami AWS: Textract płynnie integruje się z różnymi usługami AWS, ułatwiając automatyzację przepływu pracy i usprawniając przetwarzanie danych.

2.2. Licencjonowanie

AWS Textract działa w modelu rozliczeniowym "pay-as-you-go", w którym użytkownicy są rozliczani na podstawie liczby przetworzonych stron.

2.3. Instalacja

Przed pierwszym użyciem Amazon Textract wykonaj następujące czynności:

1. Zarejestruj się w usługach AWS:

   • Załóż konto AWS, aby uzyskać dostęp do Amazon Textract i powiązanych usług.
2. Utwórz użytkownika IAM:
   • Utwórz użytkownika IAM (Identity and Access Management) z odpowiednimi uprawnieniami do dostępu do Amazon Textract.

Po zakończeniu konfiguracji konta i utworzeniu użytkownika IAM należy przejść do konfiguracji kluczy dostępu w konsoli AWS, aby uzyskać programowy dostęp do API za pomocą języka C#. Będziesz potrzebować:

• AccessKeyId
• SecretAccessKey
• RegionEndPoint (Twój obszar dostępu)

W tym przykładzie użyto punktu końcowego PKISB1.

Teraz utwórz nowy projekt w Visual Studio. Następnie przejdź do menu Narzędzia, wybierz Menedżer pakietów NuGet i wybierz opcję Zarządzaj pakietami NuGet dla rozwiązań.

W polu wyszukiwania wpisz "AWSSDK" i zainstaluj najnowszą wersję.

2.4. Przykład kodu (z wykorzystaniem AWS SDK dla .NET)

// Import necessary AWS SDK namespaces
using Amazon;
using Amazon.Textract;
using Amazon.Textract.Model;

// Create a new Textract client using your AWS credentials and region
var client = new AmazonTextractClient("your_access_key_id", "your_secret_access_key", Amazon.RegionEndpoint.PKISB1);

// Prepare a request to analyze a document in an S3 bucket
var request = new AnalyzeDocumentRequest
{
    Document = new Document
    {
        S3Object = new S3Object
        {
            Bucket = "your-bucket-name",
            Name = "your-document-key"
        }
    },
    FeatureTypes = new List<string> { "FORMS", "TABLES" }
};

// Call the AnalyzeDocumentAsync method to asynchronously analyze the document
var response = await client.AnalyzeDocumentAsync(request);

// Import necessary AWS SDK namespaces
using Amazon;
using Amazon.Textract;
using Amazon.Textract.Model;

// Create a new Textract client using your AWS credentials and region
var client = new AmazonTextractClient("your_access_key_id", "your_secret_access_key", Amazon.RegionEndpoint.PKISB1);

// Prepare a request to analyze a document in an S3 bucket
var request = new AnalyzeDocumentRequest
{
    Document = new Document
    {
        S3Object = new S3Object
        {
            Bucket = "your-bucket-name",
            Name = "your-document-key"
        }
    },
    FeatureTypes = new List<string> { "FORMS", "TABLES" }
};

// Call the AnalyzeDocumentAsync method to asynchronously analyze the document
var response = await client.AnalyzeDocumentAsync(request);

' Import necessary AWS SDK namespaces
Imports Amazon
Imports Amazon.Textract
Imports Amazon.Textract.Model

' Create a new Textract client using your AWS credentials and region
Private client = New AmazonTextractClient("your_access_key_id", "your_secret_access_key", Amazon.RegionEndpoint.PKISB1)

' Prepare a request to analyze a document in an S3 bucket
Private request = New AnalyzeDocumentRequest With {
	.Document = New Document With {
		.S3Object = New S3Object With {
			.Bucket = "your-bucket-name",
			.Name = "your-document-key"
		}
	},
	.FeatureTypes = New List(Of String) From {"FORMS", "TABLES"}
}

' Call the AnalyzeDocumentAsync method to asynchronously analyze the document
Private response = await client.AnalyzeDocumentAsync(request)

3.1. Kluczowe funkcje Google Vision

• OCR i wykrywanie tekstu: Google Vision dokładnie wykrywa i wyodrębnia tekst z obrazów i dokumentów, obsługując wiele języków.
• Analiza obrazu: Oferuje różne możliwości analizy obrazu, w tym wykrywanie etykiet, wykrywanie twarzy i wykrywanie punktów orientacyjnych.
• Integracja z usługami Google Cloud: Google Vision można płynnie zintegrować z innymi usługami Google Cloud w celu tworzenia kompleksowych rozwiązań.

3.2. Licencjonowanie

Google Vision działa w modelu rozliczeniowym "pay-as-you-go", a użytkownicy są rozliczani na podstawie liczby przetworzonych jednostek (np. obrazów do wprowadzania danych, tekstu itp.).

3.3. Instalacja

Aby zintegrować interfejs API Vision z projektem w języku C#, należy wykonać następujące czynności:

1. Załóż konto Google.
2. Utwórz nowy projekt za pomocą Google Cloud Console.
3. Aktywuj rozliczenie projektu.
4. Włącz interfejs API Vision.
5. Utwórz konto usługowe i skonfiguruj powiązane poświadczenia.
6. Pobierz poświadczenia klucza konta usługowego w formacie pliku JSON.

Po pobraniu danych uwierzytelniających utwórz nowy projekt w Visual Studio i zainstaluj pakiet SDK Google Cloud Platform (Google Vision) za pomocą menedżera pakietów NuGet.

3.4. Przykład kodu (z wykorzystaniem bibliotek klienckich Google Cloud)

// Import necessary Google Cloud Vision namespaces
using Google.Cloud.Vision.V1;
using Google.Protobuf;
using System.IO;
using Google.Apis.Auth.OAuth2;

// Load the service account credentials from the JSON file
var credential = GoogleCredential.FromFile("path-to-credentials.json");
var clientBuilder = new ImageAnnotatorClientBuilder { CredentialsPath = "path-to-credentials.json" };

// Build the ImageAnnotatorClient using the credentials
var client = clientBuilder.Build();

// Load an image file for text detection
var image = Image.FromFile("path-to-your-image.jpg");

// Perform text detection on the image
var response = client.DetectText(image);

// Output the detected text descriptions
foreach (var annotation in response)
{
    Console.WriteLine(annotation.Description);
}

// Import necessary Google Cloud Vision namespaces
using Google.Cloud.Vision.V1;
using Google.Protobuf;
using System.IO;
using Google.Apis.Auth.OAuth2;

// Load the service account credentials from the JSON file
var credential = GoogleCredential.FromFile("path-to-credentials.json");
var clientBuilder = new ImageAnnotatorClientBuilder { CredentialsPath = "path-to-credentials.json" };

// Build the ImageAnnotatorClient using the credentials
var client = clientBuilder.Build();

// Load an image file for text detection
var image = Image.FromFile("path-to-your-image.jpg");

// Perform text detection on the image
var response = client.DetectText(image);

// Output the detected text descriptions
foreach (var annotation in response)
{
    Console.WriteLine(annotation.Description);
}

' Import necessary Google Cloud Vision namespaces
Imports Google.Cloud.Vision.V1
Imports Google.Protobuf
Imports System.IO
Imports Google.Apis.Auth.OAuth2

' Load the service account credentials from the JSON file
Private credential = GoogleCredential.FromFile("path-to-credentials.json")
Private clientBuilder = New ImageAnnotatorClientBuilder With {.CredentialsPath = "path-to-credentials.json"}

' Build the ImageAnnotatorClient using the credentials
Private client = clientBuilder.Build()

' Load an image file for text detection
Private image = System.Drawing.Image.FromFile("path-to-your-image.jpg")

' Perform text detection on the image
Private response = client.DetectText(image)

' Output the detected text descriptions
For Each annotation In response
	Console.WriteLine(annotation.Description)
Next annotation

4.1. Kluczowe funkcje IronOCR

• OCR na miejscu: IronOCR umożliwia lokalne wyodrębnianie tekstu poprzez integrację funkcji OCR z aplikacjami.
• Obsługa wielu języków: Obsługuje szeroki zakres języków (ponad 125 języków międzynarodowych).
• Zaawansowane rozpoznawanie tekstu: IronOCR oferuje zaawansowane funkcje rozpoznawania tekstu, w tym wykrywanie czcionek i stylów, oraz obsługuje różne formaty obrazów.

4.2. Licencjonowanie

IronOCR oferuje kompletną platformę serwerową oraz różnorodne opcje licencyjne, w tym bezpłatną wersję próbną oraz licencje płatne dostosowane do wykorzystania serwera aplikacji i potrzeb wdrożeniowych.

4.3. Instalacja

Instalacja IronOCR jest bardzo prosta. Utwórz nowy projekt Visual Studio i otwórz menedżera pakietów NuGet dla rozwiązań, a następnie wyszukaj "IronOCR". Pojawi się lista; Wybierz najnowszą wersję IronOCR i kliknij "Zainstaluj".

4.4. Przykład kodu (C#)

// Import the IronOcr namespace
using IronOcr;

// Initialize the IronTesseract OCR engine
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.English;

// Read and extract text from an image file
var result = ocr.Read("path-to-your-image.jpg");

// Output the extracted text
Console.WriteLine(result.Text);

// Import the IronOcr namespace
using IronOcr;

// Initialize the IronTesseract OCR engine
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.English;

// Read and extract text from an image file
var result = ocr.Read("path-to-your-image.jpg");

// Output the extracted text
Console.WriteLine(result.Text);

' Import the IronOcr namespace
Imports IronOcr

' Initialize the IronTesseract OCR engine
Private ocr = New IronTesseract()
ocr.Language = OcrLanguage.English

' Read and extract text from an image file
Dim result = ocr.Read("path-to-your-image.jpg")

' Output the extracted text
Console.WriteLine(result.Text)

a. Precyzja i wydajność

• AWS Textract i Google Vision, jako rozwiązania oparte na chmurze, wykorzystują potężne modele uczenia maszynowego i charakteryzują się godną pochwały precyzją w zakresie ekstrakcji tekstu.
• Biblioteka IronOCR, potężna biblioteka oprogramowania, wyróżnia się jako zwycięzca pod względem precyzji i wydajności, pod warunkiem, że zostanie skutecznie zintegrowana z aplikacją.

b. Łatwość obsługi i płynna integracja

• AWS Textract i Google Vision oferują łatwą integrację za pośrednictwem interfejsów API, zapewniając programistom usprawniony proces.
• Jednak IronOCR, choć wyjątkowo wszechstronny, wymaga integracji z kodem aplikacji, co wiąże się z nieco większym nakładem pracy przy dostosowywaniu.

c. Skalowalność

• AWS Textract i Google Vision wykazują wyjątkową skalowalność jako usługi w chmurze, z łatwością obsługując znaczne ilości żądań.
• Dla porównania, skalowalność IronOCR zależy od infrastruktury aplikacji i jej zdolności do obsługi przetwarzania OCR w samej aplikacji.

d. Kwestie finansowe

• AWS Textract i Google Vision działają w modelu płatności zgodnie z rzeczywistym zużyciem, co może sprawić, że będą opłacalne w zależności od wykorzystania.
• Natomiast IronOCR zazwyczaj wiąże się z jednorazowym zakupem lub modelem opartym na subskrypcji, co zapewnia długoterminowe korzyści w zakresie opłacalności, czyniąc go zdecydowanym zwycięzcą.