使用 surya-ocr 进行文字识别

surya-ocr 是一个开源的 OCR 模型，个人用是免费的，商用是需要License，收费标准有些复杂，具体可以查看官网。 主要包括以下功能：

• 支持 90 多种语言的 OCR
• 任何语言的行级文本检测
• 版面分析（表格、图像、标题等检测）
• 阅读顺序检测
• 表格识别（检测行/列）

OCR 文字识别

首先安装依赖

!pip install surya-ocr

识别文字

from PIL import Image
from surya.ocr import run_ocr
from surya.model.detection.model import load_model as load_det_model, load_processor as load_det_processor
from surya.model.recognition.model import load_model as load_rec_model
from surya.model.recognition.processor import load_processor as load_rec_processor

image = Image.open("slide_19.jpg")
langs = ["zh"] # Replace with your languages - optional but recommended
det_processor, det_model = load_det_processor(), load_det_model()
rec_model, rec_processor = load_rec_model(), load_rec_processor()

predictions = run_ocr([image], [langs], det_model, det_processor, rec_model, rec_processor)

识别结果给出了文字和位置信息

格式识别

from PIL import Image
from surya.detection import batch_text_detection
from surya.layout import batch_layout_detection
from surya.model.detection.model import load_model, load_processor
from surya.settings import settings

image = Image.open("a.jpg")
model = load_model(checkpoint=settings.LAYOUT_MODEL_CHECKPOINT)
processor = load_processor(checkpoint=settings.LAYOUT_MODEL_CHECKPOINT)
det_model = load_model()
det_processor = load_processor()

# layout_predictions is a list of dicts, one per image
line_predictions = batch_text_detection([image], det_model, det_processor)
layout_predictions = batch_layout_detection([image], model, processor, line_predictions)

图片是一个简单的表格

可以看到 Layout 可以正确识别出对应信息

表格识别

通过命令识别表格信息，识别的表格信息会保存到文件中。

总结

surya-ocr 识别效果不错，比前两天看到的 GOT 的结果要好一些，效果可以媲美 PaddleOCR 了。