TrOCR

Dedicated Deployment या self-hosted Inference पर टेक्स्ट पहचान के लिए Microsoft के TrOCR का उपयोग करें

TrOCR माइक्रोसॉफ्ट का ट्रांसफॉर्मर-आधारित OCR मॉडल है। इसे पंक्ति-स्तर के पाठ पहचान के लिए प्रशिक्षित किया गया है, इसलिए सर्वोत्तम परिणामों के लिए अपने इनपुट को एक ही पाठ क्षेत्र तक क्रॉप करें।

TrOCR Serverless Cloud API पर उपलब्ध नहीं है। इसे चलाएँ समर्पित डिप्लॉयमेंट या स्व-होस्टेड Inference.

कोड नमूना

1

अपनी API कुंजी प्राप्त करें

एक Roboflow खाता बनाएँ, अपनी कुंजी यहाँ ढूँढें Roboflow API सेटिंग्स पेज और इसे अपने शेल में उपलब्ध कराएँ:

export ROBOFLOW_API_KEY="आपकी-कुंजी-यहाँ"

2

निर्भरताएँ इंस्टॉल करें

ये पैकेज छवि को फ़ेच करते हैं और API को कॉल करते हैं:

pip install -U requests opencv-python supervision

3

मॉडल चलाएँ

सेट करें URL को अपने Dedicated Deployment URL या किसी स्थानीय Inference सर्वर पर।

import base64
import os
import cv2
import requests
import supervision as sv

URL = "https://your-deployment.roboflow.cloud"
image = sv.load_image_from_url("https://media.roboflow.com/inference/license_plate_1.jpg")
_, buffer = cv2.imencode(".jpg", image)
image_base64 = base64.b64encode(buffer).decode("utf-8")

response = requests.post(
    f"{URL}/ocr/trocr",
    json={
        "api_key": os.environ["ROBOFLOW_API_KEY"],
        "image": {"type": "base64", "value": image_base64},
    },
)
print(response.json()["result"])

ऊपर दिया गया कोड पहचाने गए पाठ को टर्मिनल पर प्रिंट करता है:

कुल

इन्फरेंस गति

विलंबता मापी गई Roboflow Inference पर 1x NVIDIA L4, बैच आकार 1, वार्मअप के बाद के औसत के साथ।

मॉडल	विलंबता (ms)
trocr	114.4

TrOCR एक क्रॉप की गई एकल पाठ-पंक्ति को पहचानता है, इसलिए यह एक पंक्ति क्रॉप की विलंबता है, पूरे पृष्ठ की नहीं।

सेट करें URL को अपने डिप्लॉयमेंट लक्ष्य से मिलाएँ:

• http://localhost:9001 एक स्थानीय Inference सर्वर।

• आपका समर्पित डिप्लॉयमेंट निजी एंडपॉइंट के लिए URL।

Inference के साथ उपयोग करें (सेल्फ-होस्टेड)

TrOCR को द्वारा सर्व किया जाता है Roboflow Inference अपने स्वयं के हार्डवेयर पर चलाकर। एक स्थानीय सर्वर शुरू करें, फिर मॉडल का चयन करने के लिए मॉडल साझा OCR एंडपॉइंट पर आर्ग्यूमेंट:

pip install inference-cli
inference server start  # serves http://localhost:9001

from inference_sdk import InferenceHTTPClient

client = InferenceHTTPClient(api_url="http://127.0.0.1:9001")

result = client.ocr_image(inference_input="./serial_number.png", model="trocr")
print(result)

TrOCR क्रॉप किए गए, एक-पंक्ति वाले मुद्रित पाठ पर सबसे अच्छा काम करता है। इसे भेजने से पहले प्रत्येक पाठ क्षेत्र को क्रॉप करें: कुछ अन्य OCR मॉडलों के विपरीत, TrOCR बिना क्रॉप की गई या बहु-पंक्ति छवियों को अच्छी तरह नहीं संभालता।