0. 序文: Baidu OCR テキスト認識の概要
Baidu OCR テキスト認識は、Baidu が開始したインテリジェント サービスで、人工知能技術を使用することで、画像内のテキスト コンテンツを認識し、編集可能なテキスト形式に変換できます。
IDカード、銀行カード、営業許可証などの各種書類の識別、ナンバープレート番号の識別、写真内のバーコードやQRコードの識別など、さまざまな分野で応用が可能です。
Baidu OCR テキスト認識には次の特徴があります。
-
高い精度率:マルチレベルのディープニューラルネットワークを採用しており、テキスト認識の精度が高いです。
-
多言語サポート: 中国語、英語、日本語、韓国語を含む多言語でのテキスト認識をサポートします。
-
画像処理機能:撮影環境が悪い画像や、ぼやけた画像、傾いた画像などに対して、画像を前処理することで文字認識の精度を向上させることができます。
-
豊富なシーンのサポート: 文書、ナンバー プレート、QR コード、請求書などを含む、さまざまな分野でのテキスト認識をサポートします。
-
マルチプラットフォームのサポート: Web ページやモバイル アプリケーションなどのさまざまなアプリケーション プラットフォームに簡単に統合できる API ベースのサービスを提供します。
Baidu OCR テキスト認識の応用シナリオは非常に広範囲に及び、あらゆる分野に応用できます。
金融業界では、銀行カード、ID カード、その他の証明書情報を迅速に識別するために使用でき、
物流業界では、速達便の送り状番号を識別するために使用でき、
小売業界では、商品のバーコードなどを識別するため。
テキスト認識技術により、作業効率と正確性が大幅に向上し、手動作業のコストとリスクが軽減されます。
Baidu OCR テキスト認識は、テキスト認識と処理において非常に高い精度と信頼性を備えた最先端の人工知能テクノロジーであり、さまざまな業界のデジタル変革とインテリジェント アプリケーションを強力にサポートします。
OS:Windows 10 Home Edition
開発環境: Pycahrm コミュニティ 2022.3
Pythonインタプリタのバージョン:Python3.8
1. 無料の識別モデルを受け取る
ここにアクセスして無料アカウントを登録してください
Baidu テキスト認識
クリックして今すぐ使用
集める
全て摂取する必要はなく、有効期限のあるものもあるので、使い切るのは必ずしも無駄ではありません
残りは365日全て利用制限です
成功を受け取る
2. インスタンスを作成する
作成する
個人帰属を選択して今すぐ作成
このページは閉じないでください。そのときに役立ちます。
使用方法については、ここで API ドキュメントを参照してください。
3. コードのテスト
では、使ってみましょう。以下は公式デモです。独自の APIkey と Secretkeyを置き換えるだけで済みます。
main.py
# coding=utf-8
import sys
import json
import base64
# 保证兼容python2以及python3
IS_PY3 = sys.version_info.major == 3
if IS_PY3:
from urllib.request import urlopen
from urllib.request import Request
from urllib.error import URLError
from urllib.parse import urlencode
from urllib.parse import quote_plus
else:
import urllib2
from urllib import quote_plus
from urllib2 import urlopen
from urllib2 import Request
from urllib2 import URLError
from urllib import urlencode
# 防止https证书校验不正确
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
API_KEY = '换成你自己的'
SECRET_KEY = '换成你自己的'
OCR_URL = "https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic"
""" TOKEN start """
TOKEN_URL = 'https://aip.baidubce.com/oauth/2.0/token'
"""
获取token
"""
def fetch_token():
params = {
'grant_type': 'client_credentials',
'client_id': API_KEY,
'client_secret': SECRET_KEY}
post_data = urlencode(params)
if (IS_PY3):
post_data = post_data.encode('utf-8')
req = Request(TOKEN_URL, post_data)
try:
f = urlopen(req, timeout=5)
result_str = f.read()
except URLError as err:
print(err)
if (IS_PY3):
result_str = result_str.decode()
result = json.loads(result_str)
if ('access_token' in result.keys() and 'scope' in result.keys()):
if not 'brain_all_scope' in result['scope'].split(' '):
print ('please ensure has check the ability')
exit()
return result['access_token']
else:
print ('please overwrite the correct API_KEY and SECRET_KEY')
exit()
"""
读取文件
"""
def read_file(image_path):
f = None
try:
f = open(image_path, 'rb')
return f.read()
except:
print('read image file fail')
return None
finally:
if f:
f.close()
"""
调用远程服务
"""
def request(url, data):
req = Request(url, data.encode('utf-8'))
has_error = False
try:
f = urlopen(req)
result_str = f.read()
if (IS_PY3):
result_str = result_str.decode()
return result_str
except URLError as err:
print(err)
if __name__ == '__main__':
# 获取access token
token = fetch_token()
# 拼接通用文字识别高精度url
image_url = OCR_URL + "?access_token=" + token
text = ""
# 读取测试图片
file_content = read_file('./text.png')
# 调用文字识别服务
result = request(image_url, urlencode({
'image': base64.b64encode(file_content)}))
# 解析返回结果
result_json = json.loads(result)
for words_result in result_json["words_result"]:
text = text + words_result["words"]
# 打印文字
print(text)
これは私の写真です:
text.png
4. 認識結果
認識結果を見てみましょう。これですべてです。