PP-OCR

PP-OCR(PaddleOCR) 광학 문자 인식을 사용해 이미지에서 텍스트를 추출합니다.

이 블록은 이미지 내의 텍스트를 반환합니다.

이 블록은 감지 기반 블록(예: ObjectDetectionBlock)과 함께 사용하는 것이 좋습니다. 객체 감지 모델은 추가 처리를 위해 이미지에서 특정 영역(예: 물류 사용 사례의 배송 컨테이너 ID)을 분리할 수 있습니다. 그런 다음 OCR을 실행하기 전에 DynamicCropBlock을 사용하여 관심 영역을 자를 수 있습니다.

감지 모델을 사용한 다음 감지 결과를 자르면 이미지의 특정 영역에 분석을 집중할 수 있습니다.

유형 식별자

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

속성

이름	유형	설명	참조
name	str	워크플로우에서 단계의 고유 이름.	❌
text_detection	str	텍스트 검출 모델 크기. 다음으로 설정: 없음 검출을 비활성화하고 각 입력 이미지를 단일, 미리 잘린 텍스트 줄로 인식하려면..	❌
text_recognition	str	텍스트 인식 모델 크기. 다음으로 설정: 없음 인식을 비활성화하고 전사된 텍스트 없이 감지된 텍스트 상자만 반환하려면..	❌

이 참조 열은 워크플로우 런타임에서 사용 가능한 동적 값으로 속성을 매개변수화할 수 있는 가능성을 나타냅니다 워크플로우 런타임입니다. 자세한 내용은 바인딩 을 참조하세요.

입력 및 출력 바인딩

사용 가능한 연결은 바인딩 유형에 따라 달라집니다. 어떤 바인딩 유형인지 확인하세요 PP-OCR 버전 v1 을 가지고 있는지.

입력 및 출력 바인딩

• 입력

  • 이미지 (이미지): 추론할 이미지입니다..

• 출력

  • 결과 (string): 문자열 값.

  • 예측 (object_detection_prediction): sv.Detections(...) 객체 형식의 감지된 바운딩 박스가 포함된 예측.

  • parent_id (parent_id): 단계 출력의 상위 ID 식별자.

  • root_parent_id (parent_id): 단계 출력의 상위 ID 식별자.

  • 예측 유형 (예측 유형): 예측 유형을 나타내는 문자열 값.

예시 JSON 정의

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/pp_ocr@v1",
	    "images": "$inputs.image",
	    "text_detection": "<block_does_not_provide_example>",
	    "text_recognition": "<block_does_not_provide_example>"
	}