DocTR

DocTR OCR モデルを Serverless Cloud API で使用します

DocTR は、当社の経由でデプロイ可能な文書OCRモデルです Serverless Cloud API.

コード例

HTTPエンドポイントを使ってDocTRを直接実行するには、 curlまたは inference-sdk ラッパーを使用します。

HTTP（curl）

1

API キーを取得する

Roboflow アカウントを作成し、キーを次の場所で見つけてください。 Roboflow API 設定ページ そしてシェルから使えるようにします。

export ROBOFLOW_API_KEY="your-key-here"

2

モデルを実行する

次の /doctr/ocr エンドポイントを curl:

curl --location 'https://serverless.roboflow.com/doctr/ocr' \
  --header 'Content-Type: application/json' \
  --data '{
    "api_key": "'"$ROBOFLOW_API_KEY"'",
    "image": {"type": "url", "value": "https://media.roboflow.com/inference/license_plate_1.jpg"}
  }'

SDK（Python）

1

API キーを取得する

Roboflow アカウントを作成し、キーを次の場所で見つけてください。 Roboflow API 設定ページ そしてシェルから使えるようにします。

export ROBOFLOW_API_KEY="your-key-here"

2

依存関係をインストールする

このパッケージはモデルを呼び出します：

pip install -U inference-sdk supervision

3

モデルを実行する

テキストを含む画像でDocTRを実行する：

import os
import supervision as sv
from inference_sdk import InferenceHTTPClient

# テキストを含むサンプル画像
image = sv.load_image_from_url("https://media.roboflow.com/inference/license_plate_1.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)

result = client.ocr_image(inference_input=image, model="doctr")

print(result["result"]) # 抽出されたテキスト

上記のコードは推論結果をターミナルに出力します：

Mr
AUTPMATIC
280SE
34 T6511

推論速度

以下で測定したレイテンシ Roboflow Inference 1台のNVIDIA L4、バッチサイズ1、ウォームアップ後の平均で測定。

モデル	レイテンシ（ms）
doctr	83.5

全文書画像で測定（テキスト検出＋認識）。

設定してください api_url をデプロイ先に合わせてください：

• https://serverless.roboflow.com Serverless Cloud API 用です。

• http://localhost:9001 ローカルの Inference サーバー。

• あなたの 専用デプロイメント プライベートエンドポイント用の URL。

Inference（セルフホスト）で使用

DocTRは Roboflow Inferenceのコアモデルなので、自分でホストするサーバーでも実行できます。ローカルサーバーを起動し、同じ ocr_image 呼び出しをそこに向けます：

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

import os
from inference_sdk import InferenceHTTPClient

client = InferenceHTTPClient(
    api_url="http://localhost:9001",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)

result = client.ocr_image(inference_input="./container.jpg")
print(result)

レスポンスには、認識されたテキストと推論時間が含まれます：

{'result': 'MSKU 0439215', 'time': 3.87}

参考資料

• OCRで画像内のテキストを検出する方法