EasyOCR

EasyOCR 광학 문자 인식을 사용하여 이미지에서 텍스트를 추출합니다.

EasyOCR 광학 문자 인식(OCR)을 사용하여 이미지의 문자를 추출합니다.

이 블록은 이미지 내의 텍스트를 반환합니다.

이 블록을 탐지 기반 블록(예: ObjectDetectionBlock)과 함께 사용하고 싶을 수 있습니다. 객체 탐지 모델은 이미지의 특정 영역(예: 물류 사용 사례의 운송 컨테이너 ID)을 추가 처리를 위해 분리할 수 있습니다. 그런 다음 OCR을 실행하기 전에 DynamicCropBlock을 사용하여 관심 영역을 자를 수 있습니다.

탐지 모델을 사용한 뒤 탐지 결과를 자르면 이미지의 특정 영역에 분석을 집중할 수 있습니다.

EasyOCR은 Apple Silicon의 컨테이너 내에서 실행할 때 제한이 있다는 점에 유의하세요.

유형 식별자

단계에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/easy_ocr@v1 워크플로에 이 블록을 단계로 추가하려면.

속성

이름	유형	설명	참조
name	str	워크플로에서 단계의 고유한 이름입니다.	❌
language	str	OCR에 사용할 언어 모델.	❌
quantize	bool	양자화된 모델은 더 작고 빠르지만, 정확도가 떨어질 수 있으며 모든 하드웨어에서 올바르게 작동하지는 않습니다..	❌

그 참조 열은 다음에서 사용 가능한 동적 값으로 속성을 매개변수화할 수 있는 가능성을 표시합니다 워크플로 런타임. 참조 바인딩 자세한 내용은.

입력 및 출력 바인딩

사용 가능한 연결은 바인딩 종류에 따라 달라집니다. 어떤 바인딩 종류가 EasyOCR 버전 v1 에 있습니다.

입력 및 출력 바인딩

• 입력

  • 이미지들 (이미지): 추론을 수행할 이미지입니다..

• 출력

  • 결과 (string): 문자열 값.

  • 예측 (object_detection_prediction): 감지된 경계 상자를 포함하는 sv.Detections(...) 객체 형식의 예측입니다.

  • parent_id (parent_id): 단계 출력의 부모 식별자입니다.

  • root_parent_id (parent_id): 단계 출력의 부모 식별자입니다.

  • prediction_type (prediction_type): 예측 유형을 나타내는 문자열 값입니다.

JSON 정의 예시

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/easy_ocr@v1",
	    "images": "$inputs.image",
	    "language": "<block_does_not_provide_example>",
	    "quantize": "<block_does_not_provide_example>"
	}