TrOCR

文字認識に Microsoft の TrOCR を、Dedicated Deployment またはセルフホスト Inference で使用します

TrOCR は Microsoft のトランスフォーマーベースの OCR モデルです。行単位の文字認識用に学習されているため、最良の結果を得るには入力を 1 つのテキスト領域に切り抜いてください。

TrOCR は Serverless Cloud API では利用できません。次の環境で実行してください 専用デプロイメント または セルフホストの Inference.

コード例

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

これらのパッケージは画像を取得して API を呼び出します:

pip install -U requests opencv-python supervision

3

モデルを実行する

設定してください URL 専用デプロイメントのURLまたはローカルの推論サーバーに。

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"])

上記のコードは、認識されたテキストをターミナルに出力します:

合計

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）
trocr	114.4

TrOCR は切り抜かれた 1 行のテキストを認識するため、これは 1 行分の切り抜きに対するレイテンシであり、ページ全体のものではありません。

設定してください URL をデプロイ先に合わせてください：

• 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

TrOCR は次によって提供されます Roboflow Inference 自分のハードウェア上で実行する場合。ローカルサーバーを起動し、次に model 引数を共有 OCR エンドポイントで指定します:

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 は、切り抜かれた 1 行の印刷テキストで最も優れた性能を発揮します。送信する前に各テキスト領域を切り抜いてください。ほかの一部の OCR モデルとは異なり、TrOCR は切り抜かれていない画像や複数行の画像をうまく処理できません。