VinnyOCR

VinnyOCR 是一个快速且小巧的 Swift 编写的 OCR 库。借助 Accelerate 和 Vision 框架，它使用神经网络来识别文本。VinnyOCR 是为了识别短的一行长，由数字和字母组成的代码（例如，DI49CM）而创建和优化的。目前只支持 iOS 和 macOS。

灵感来源

此项目受到了 SwiftOCR 的启发。这两个项目之间的区别在于 VinnyOCR 使用了 Apple 内部框架（Accelerate 和 Vision）进行图像操作和文本定位。

特性

• 易于使用的训练工具

• 高准确性

• 快速

• 小巧

要求

• iOS 11.0+/macOS 10.13+

• Swift 5.0+

安装

CocoaPods

要使用CocoaPods集成VinnyOCR到您的Xcode项目中，请在您的Podfile中添加它

pod 'VinnyOCR'

工作原理

1. 输入图像将被阈值化（二值化）

2. 图像中的字符被定位并单独转换为浮点数组

3. 每个浮点数组都通过神经网络传递

如何使用

使用VinnyOCR非常简单。

import VinnyOCR

let modelUrl = Bundle.main.url(forResource: "VinnyOCR", withExtension: "ocr")!
let vinny = VinnyOCR(url: modelUrl)!

vinny.recognize(someImage) { (text) in
  print(text)
}

当构建配置设置为Release时，VinnyOCR运行得更快。

训练

要训练一个用于使用的模型，克隆此存储库并打开位于Trainer目录中的VinnyOCR Trainer Xcode项目。

启动训练应用程序后，进行以下操作

1. 通过为每个字体点击Should Train?列中的复选框来选择要使用哪些字体来训练模型。

2. 通过点击Choose Backgrounds并选择一些图像文件来选择要使用哪些背景来训练模型。此存储库的Trainer/Sample Backgrounds/目录中提供了示例训练背景。

3. 通过点击Choose Output Directory来选择输出模型文件的位置。一旦训练完成，模型文件将被保存到该目录中。

4. 按下《开始训练》按钮。默认错误阈值设置为网络不太可能达到的值。相反，在开始训练后，等待5-10分钟，然后按下《停止训练》- 生成的模型只要模型错误小于100就会工作。模型错误以<current model error>/<target model error>格式显示在开始/停止训练按钮旁边。

备注

• 在您开始训练后，如果1分钟后模型错误没有降到100以下，请按下《停止训练》和《开始训练》重新启动训练过程。这将生成具有新权重的网络。

• 可以通过编辑TrainingParameters.swift中的值来修改训练参数。

计划改进

• 在README中添加训练截图

• 在训练期间扭曲生成的训练图像

• 允许在训练期间动态使用字符集

致谢

• SwiftOCR 启发本项目。

• Swift-AI 提供项目中使用的神经网络代码。

许可

该VinnyOCR在MIT许可下发布。详细内容请参阅LICENSE。