【Rust日报】2024-01-03 一个用 Rust 编写的现代 OCR 引擎

ocrs -- 一个用 Rust 编写的现代 OCR 引擎（从图像中提取文本）

ocrs 是一个 Rust 库和 CLI 工具，用于从图像中提取文本，也称为 OCR（光学字符识别）。 ocrs 目标是创建一个现代 OCR 引擎：

• 与 Tesseract 等早期引擎相比，可以很好地处理各种图像（扫描文档、包含文本的照片、屏幕截图等），预处理工作量为零或少得多。这是通过在管道中更广泛地使用机器学习来实现的。
• 易于在各种平台上编译和运行，包括 WebAssembly
• 接受过开放且自由许可的数据集的培训
• 拥有易于理解和修改的代码库

在底层，该库使用在 PyTorch中训练的神经网络模型，然后将其导出到ONNX并使用RTen引擎执行。有关更多详细信息，请参阅模型部分。

命令行安装

要安装 CLI 工具，您首先需要安装 Rust 和 Cargo。然后运行：

$ cargo install ocrs-cli

CLI 用法

要从图像中提取文本，请运行：

$ ocrs image.png

当该工具第一次运行时，它会自动下载所需的模型并将其存储在~/.cache/ocrs.

其他示例

从图像中提取文本并写入content.txt：

$ ocrs image.png -o content.txt

从 JSON 格式的图像中提取文本和布局信息：

$ ocrs image.png --json -o content.json

注释图像以显示检测到的单词和线条的位置：

$ ocrs image.png --png -o annotated.png

模型和数据集

ocrs 使用用 PyTorch 编写的神经网络模型。有关模型和数据集以及用于训练自定义模型的工具的更多详细信息，请参阅 ocrs-models存储库。这些模型还提供 ONNX 格式，可与其他机器学习运行时一起使用。

• https://github.com/robertknight/ocrs