TrOCR

Dedicated Deployment または self-hosted Inference でテキスト認識に Microsoft の TrOCR を使用します

TrOCR は Microsoft の transformer ベースの OCR モデルです。行単位のテキスト認識向け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トリミングしてください。

TrOCR は Serverless Hosted API では利用できません。a で実行してください Dedicated Deployment または self-hosted Inference.

コードサンプル

1

API Key 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ます Roboflow API 設定ページ そしてシェルで利用できるようにします:

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 requests opencv-python

3

モデルを実行する

設定する URL を Dedicated Deployment の URL またはローカルの Inference server に設定します。

import base64
import os
import cv2
import numpy as np
import requests

URL = "https://your-deployment.roboflow.cloud"
content = requests.get("https://media.roboflow.com/inference/license_plate_1.jpg").content
image = cv2.imdecode(np.frombuffer(content, np.uint8), cv2.IMREAD_COLOR)
_, 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:

TOTAL

推論速度

〜で測定されたレイテンシ Roboflow Inference 1x 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、切り出された 1 行のテキストを認識するため、これはフルページではなく 1 行の切り出しに対するレイテンシです。

設定する 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 サーバー用。

• あなたの Dedicated Deployment プライベートエンドポイントの URL。