Paddle OCR vs Tesseract: Szczegółowe porównanie OCR

Najważniejsze cechy

Paddle OCR charakteryzuje się wieloma zdolnościami OCR z przyjaznym dla użytkownika API na różnorodne zastosowania. Oto jego wyróżniające się cechy:

1. Wsparcie wielojęzyczne: Paddle OCR może przetwarzać tekst w wielu językach, oferując wsparcie dla ponad 50 języków.
2. Zaawansowane algorytmy: Obejmuje zaawansowane metody i algorytmy OCR do wykrywania, rozpoznawania i klasyfikacji tekstu. Obejmuje to najnowsze badania nad głębokim uczeniem się, takie jak strata Connectionist Temporal Classification (CTC), która odgrywa kluczową rolę w dokładnym przewidywaniu i dopasowywaniu sekwencji tekstowych.
3. Wydajność i Szybkość: Optymalizowany zarówno pod kątem szybkości, jak i dokładności, Paddle OCR jest w stanie przetwarzać duże ilości obrazów szybko, co czyni go odpowiednim do zaawansowanych aplikacji.

Licencja

Paddle OCR jest udostępniany na licencji Apache 2.0, co oznacza, że można z niego korzystać, modyfikować i rozpowszechniać za darmo. Instalacja jest prosta, zazwyczaj wymaga użycia menedżerów pakietów takich jak PyPI dla Pythona. Użytkownicy mogą szybko zainstalować Paddle OCR i jego zależności za pomocą kilku poleceń, co ułatwia integrację projektu.

Zainstaluj PaddleSharp

Integracja PaddleOCR do projektu C# w Visual Studio może być uproszczona dzięki użyciu PaddleSharp, nakładki .NET na API Paddle Inference C#. To pozwala na bezpośrednie korzystanie z możliwości głębokiego uczenia PaddlePaddle w środowisku .NET. Oto przewodnik krok po kroku, jak ustawić PaddleSharp w swoim projekcie:

Wymagania wstępne:

• Upewnij się, że masz zainstalowane Visual Studio na swoim systemie, z obsługą .NET Framework lub .NET Core, w zależności od wymagań projektu.
• Zrozumienie C# i znajomość zarządzania pakietami NuGet w Visual Studio są również niezbędne.

Zainstaluj pakiet PaddleSharp:

1. Otwórz swój projekt w Visual Studio.
2. Przejdź do opcji "Zarządzaj pakietami NuGet" klikając prawym przyciskiem myszy na projekt w Eksploratorze rozwiązań.
   • Wyszukaj Sdcb.PaddleInference i zainstaluj pakiet. Jest to główne wiązanie, które pozwala aplikacjom .NET korzystać z silnika Paddle Inference.

3. Następnie zainstaluj następujące pakiety:
   • Sdcb.PaddleOCR
   • OpenCvSharp4
   • Sdcb.PaddleOCR.Models.Online
   • OpenCvSharp4.runtime.win

Dodaj natywne i infrastrukturalne pakiety:

• W zależności od docelowej platformy (Windows/Linux) i wymagań (CPU/GPU), mogą być potrzebne dodatkowe pakiety. Dla Windows, być może będą potrzebne pakiety takie jak Sdcb.PaddleInference.runtime.win64.mkl dla wsparcia MKL lub Sdcb.PaddleInference.runtime.win64.cuda dla wsparcia GPU.
• Zainstaluj je również za pomocą menedżera pakietów NuGet, zapewniając zgodność z Twoim środowiskiem deweloperskim i docelowym środowiskiem wykonawczym.

Przykład kodu

using System;
using System.Diagnostics;
using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Online;
using OpenCvSharp;

class PaddleOcrSample
{
    static async Task Main()
    {
        // Download English OCR model
        FullOcrModel model = await OnlineFullModels.EnglishV3.DownloadAsync();

        // Set up PaddleOCR with the downloaded model
        using (PaddleOcrAll ocrEngine = new(model)
        {
            AllowRotateDetection = true,
            Enable180Classification = false, // Optimize for performance
        })
        using (Mat imgSrc = Cv2.ImRead(@"read.jpg")) // Load the image
        {
            // Perform OCR and measure elapsed time
            Stopwatch stopWatch = Stopwatch.StartNew();
            PaddleOcrResult result = ocrEngine.Run(imgSrc);
            Console.WriteLine($"Elapsed={stopWatch.ElapsedMilliseconds} ms");
            Console.WriteLine(result.Text);
        }
    }
}

using System;
using System.Diagnostics;
using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Online;
using OpenCvSharp;

class PaddleOcrSample
{
    static async Task Main()
    {
        // Download English OCR model
        FullOcrModel model = await OnlineFullModels.EnglishV3.DownloadAsync();

        // Set up PaddleOCR with the downloaded model
        using (PaddleOcrAll ocrEngine = new(model)
        {
            AllowRotateDetection = true,
            Enable180Classification = false, // Optimize for performance
        })
        using (Mat imgSrc = Cv2.ImRead(@"read.jpg")) // Load the image
        {
            // Perform OCR and measure elapsed time
            Stopwatch stopWatch = Stopwatch.StartNew();
            PaddleOcrResult result = ocrEngine.Run(imgSrc);
            Console.WriteLine($"Elapsed={stopWatch.ElapsedMilliseconds} ms");
            Console.WriteLine(result.Text);
        }
    }
}

Imports System
Imports System.Diagnostics
Imports Sdcb.PaddleOCR
Imports Sdcb.PaddleOCR.Online
Imports OpenCvSharp

Friend Class PaddleOcrSample
	Shared Async Function Main() As Task
		' Download English OCR model
		Dim model As FullOcrModel = Await OnlineFullModels.EnglishV3.DownloadAsync()

		' Set up PaddleOCR with the downloaded model
		Using ocrEngine As New PaddleOcrAll(model) With {
			.AllowRotateDetection = True,
			.Enable180Classification = False
		}
		Using imgSrc As Mat = Cv2.ImRead("read.jpg") ' Load the image
			' Perform OCR and measure elapsed time
			Dim stopWatch As Stopwatch = Stopwatch.StartNew()
			Dim result As PaddleOcrResult = ocrEngine.Run(imgSrc)
			Console.WriteLine($"Elapsed={stopWatch.ElapsedMilliseconds} ms")
			Console.WriteLine(result.Text)
		End Using
		End Using
	End Function
End Class

Najważniejsze cechy

Oto przegląd jego kluczowych funkcji:

1. Rozszerzona obsługa języków: Dzięki możliwości rozpoznawania ponad 100 języków, Tesseract adresuje globalną publiczność. Silnik obsługuje Unicode (UTF-8), co umożliwia przetwarzanie dokumentów wielojęzycznych.
2. Rozpoznawanie oparte na sieciach neuronowych: Wersja 4 i nowsze Tesseract wprowadziły silnik OCR oparty na sieciach neuronowych (LSTM), co zwiększa jego dokładność w rozpoznawaniu linii tekstu w porównaniu z tradycyjnymi metodami rozpoznawania wzorców znaków.
3. Wszechstronne formaty wyjściowe: Tesseract obsługuje różne formaty wyjściowe, w tym czysty tekst, hOCR (HTML), PDF i TSV, co czyni go adaptowalnym do różnych zastosowań.

Licencja

Tesseract OCR jest udostępniany na licencji Apache 2.0. Ta licencja jest jedną z najbardziej permisywnych i otwartych licencji, pozwalając na niemal nieograniczoną swobodę użytkowania, modyfikowania i dystrybucji oprogramowania, nawet w projektach oprogramowania własnościowego.

Zainstaluj Tesseract

Aby zainstalować Tesseract OCR w projekcie Visual Studio za pomocą NuGet, postępuj zgodnie z tymi krokami:

1. Otwórz Visual Studio: Uruchom Visual Studio i otwórz swój projekt lub utwórz nowy.
2. Kliknij prawym przyciskiem myszy na projekt w Eksploratorze rozwiązań i wybierz Zarządzaj pakietami NuGet...
3. W menedżerze pakietów NuGet, przejdź do karty Przeglądaj i wyszukaj Tesseract.
4. Zainstaluj menedżera pakietów NuGet Tesseract.

5. Download Tessdata from this link. Ważne jest, aby używać Tesseract OCR.

Przykład kodu

using Tesseract;

class TesseractSample
{
    static void Main()
    {
        // Initialize Tesseract engine with English language support
        using (var engine = new TesseractEngine(@".\tessdata-main", "eng", EngineMode.Default))
        {
            // Load image from file
            using (var img = Pix.LoadFromFile(@"read.jpg"))
            {
                // Process image with Tesseract to extract text
                using (var page = engine.Process(img))
                {
                    var text = page.GetText();
                    Console.WriteLine(text); // Print extracted text to console
                }
            }
        }
    }
}

using Tesseract;

class TesseractSample
{
    static void Main()
    {
        // Initialize Tesseract engine with English language support
        using (var engine = new TesseractEngine(@".\tessdata-main", "eng", EngineMode.Default))
        {
            // Load image from file
            using (var img = Pix.LoadFromFile(@"read.jpg"))
            {
                // Process image with Tesseract to extract text
                using (var page = engine.Process(img))
                {
                    var text = page.GetText();
                    Console.WriteLine(text); // Print extracted text to console
                }
            }
        }
    }
}

Imports Tesseract

Friend Class TesseractSample
	Shared Sub Main()
		' Initialize Tesseract engine with English language support
		Using engine = New TesseractEngine(".\tessdata-main", "eng", EngineMode.Default)
			' Load image from file
			Using img = Pix.LoadFromFile("read.jpg")
				' Process image with Tesseract to extract text
				Using page = engine.Process(img)
					Dim text = page.GetText()
					Console.WriteLine(text) ' Print extracted text to console
				End Using
			End Using
		End Using
	End Sub
End Class

Najważniejsze cechy

Oto niektóre z kluczowych cech i funkcji, które sprawiają, że IronOCR wyróżnia się:

• Zaawansowany silnik OCR: Wykorzystując Tesseract 5, IronOCR oferuje zaawansowany silnik OCR, który obsługuje ponad 125 języków. Ta umiejętność jest kluczowa dla aplikacji globalnych wymagających wsparcia wielojęzycznego. Biblioteka oferuje opcje wysokiej, średniej i szybkiej jakości dla większości języków, w tym języki niestandardowe i trening czcionek, zapewniając elastyczność i wysoką dokładność w rozpoznawaniu tekstu.
• Kompleksowa obsługa dokumentów: IronOCR może przetwarzać różnorodne typy i formaty dokumentów, w tym obrazy (JPG, PNG, GIF, TIFF, BMP), obiekty System.Drawing, strumienie i PDF.
• Solidne przetwarzanie obrazów: Biblioteka zawiera potężny zestaw filtrów i narzędzi do przetwarzania obrazów, takich jak wyostrzanie, ulepszanie rozdzielczości, redukcja szumów, korekcja kolorów (binarizacja, grayscale, invert).
• Strukturalny i prosty wynik danych: IronOCR zapewnia zarówno strukturalne wyjście danych (strony, bloki, akapity, linie, słowa, znaki), jak i proste wyjście danych (.NET text strings, kod kreskowy i dane QR, obrazy).
• Przetwarzanie równoległe i wizja komputerowa: Biblioteka wspiera jedno- i wielowątkowe przetwarzanie, operacje asynchroniczne i oferuje zdolności wizji komputerowej do identyfikacji regionów tekstu w obrazach, zwiększając dokładność i wydajność rozpoznawania tekstu w złożonych lub zaszumionych obrazach.

Aby zainstalować IronOCR w swoim projekcie .NET, można skorzystać z kilku metod, w zależności od środowiska deweloperskiego i preferencji. Oto uproszczony przewodnik, aby rozpocząć:

Licencja

IronOCR oferuje różne opcje licencjonowania dostosowane do potrzeb różnych projektów i deweloperów, zapewniając elastyczność i skalowalność dla swoich użytkowników. Warunki licencyjne są wieczyste, co oznacza, że po zakupie licencji nie ma żadnych opłat cyklicznych. Dodatkowo każda licencja zawiera 30-dniową gwarancję zwrotu pieniędzy, rok wsparcia produktu i aktualizacji oraz jest ważna dla środowisk deweloperskich, testowych i produkcyjnych. Cena licencji zaczyna się od $999. Możesz uzyskać darmową wersję próbną przed zakupem licencji.

Instalacja IronOCR

1. Przejdź do Narzędzia -> Menedżer pakietów NuGet -> Konsola Menedżera pakietów.
2. Wpisz polecenie Install-Package IronOcr i wykonaj je. To polecenie pobiera i instaluje IronOCR do Twojego projektu, czyniąc go gotowym do użycia.

Przykład kodu

Oto przykład kodu, jak możesz wyciągnąć tekst z obrazu za pomocą IronOCR:

using IronOcr;

class IronOcrSample
{
    static void Main()
    {
        // Apply license key once obtained
        IronOcr.License.LicenseKey = "License-Key"; 

        // Initialize IronTesseract for OCR processing
        var ocrEngine = new IronTesseract();

        // Perform OCR on the given image and print the text
        var ocrResult = ocrEngine.Read("read.jpg");
        Console.WriteLine(ocrResult.Text); // Print the extracted text
    }
}

using IronOcr;

class IronOcrSample
{
    static void Main()
    {
        // Apply license key once obtained
        IronOcr.License.LicenseKey = "License-Key"; 

        // Initialize IronTesseract for OCR processing
        var ocrEngine = new IronTesseract();

        // Perform OCR on the given image and print the text
        var ocrResult = ocrEngine.Read("read.jpg");
        Console.WriteLine(ocrResult.Text); // Print the extracted text
    }
}

Imports IronOcr

Friend Class IronOcrSample
	Shared Sub Main()
		' Apply license key once obtained
		IronOcr.License.LicenseKey = "License-Key"

		' Initialize IronTesseract for OCR processing
		Dim ocrEngine = New IronTesseract()

		' Perform OCR on the given image and print the text
		Dim ocrResult = ocrEngine.Read("read.jpg")
		Console.WriteLine(ocrResult.Text) ' Print the extracted text
	End Sub
End Class

Dokładność

Zarówno PaddleOCR, jak i Tesseract wykazały wysoką dokładność w testach porównawczych, ale zdolność IronOCR do dostosowywania i regulacji kroków wstępnego przetwarzania daje mu przewagę w dostarczaniu doskonałych wyników w zróżnicowanych typach dokumentów.

Szybkość

Pod względem szybkości przetwarzania, IronOCR wyróżnia się dzięki efektywnemu przetwarzaniu dokumentów w środowisku .NET, oferując zoptymalizowaną wydajność dla szybkiego rozpoznawania tekstu. Choć PaddleOCR i Tesseract są również znane ze swoich możliwości przetwarzania w czasie rzeczywistym.

Obsługa języków

Tesseract oferuje wsparcie dla ponad 100 języków, co czyni go jednym z najbardziej wszechstronnych narzędzi OCR pod względem pokrycia językowego. PaddleOCR również oferuje imponujące wsparcie językowe, zwłaszcza dla języków azjatyckich. IronOCR, wykorzystując silnik Tesseract, dziedziczy to rozległe wsparcie językowe, łącząc je z dodatkowymi ulepszeniami i optymalizacjami. To połączenie nie tylko rozszerza zakres języków obsługiwanych efektywnie, ale także poprawia dokładność i szybkość dla języków bezpośrednio wspieranych przez ulepszenia IronOCR.

Opcje dostosowywania

IronOCR wyróżnia się w tej personalizacji, oferując szeroki wachlarz opcji, które pozwalają deweloperom dostrajać proces OCR, w tym przetwarzanie obrazu, filtrowanie tekstu i słowniki niestandardowe. Ten poziom personalizacji jest szczególnie cenny w złożonych scenariuszach OCR, gdzie domyślne ustawienia mogą nie wystarczyć. Choć PaddleOCR i Tesseract oferują pewne zdolności personalizacji, ukierunkowanie IronOCR na potrzeby deweloperów w ekosystemie .NET zapewnia wyższy stopień elastyczności.

Wsparcie społeczności

Podczas gdy Tesseract cieszy się rozległą i ugruntowaną społecznością dzięki swojej długiej historii i statusowi open-source, a społeczność PaddleOCR szybko rośnie, IronOCR korzysta z wyspecjalizowanej społeczności deweloperów .NET.