EasyOCR

KO | EN

gitlite — search

#typescript #ai-agents #ai #dsh-plugin #deepseek-harness #open-source #cli #claude-code #codex #developer-tools #react #windows

★ 29,911 Open GitHub ↗

80개 이상의 지원 언어와 Latin, Chinese, Arabic, Devanagari, Cyrillic 등 모든 주요 문자 스크립트를 지원하는 즉시 사용 가능한 OCR입니다.

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# EasyOCR

[![PyPI Status](https://badge.fury.io/py/easyocr.svg)](https://badge.fury.io/py/easyocr)
[![license](https://img.shields.io/badge/License-Apache%202.0-blue.svg)](https://github.com/JaidedAI/EasyOCR/blob/master/LICENSE)
[![Tweet](https://img.shields.io/twitter/url/https://github.com/JaidedAI/EasyOCR.svg?style=social)](https://twitter.com/intent/tweet?text=Check%20out%20this%20awesome%20library:%20EasyOCR%20https://github.com/JaidedAI/EasyOCR)
[![Twitter](https://img.shields.io/badge/twitter-@JaidedAI-blue.svg?style=flat)](https://twitter.com/JaidedAI)

Latin, Chinese, Arabic, Devanagari, Cyrillic 등을 포함한 모든 인기 있는 문자 스크립트와 80개 이상의 [지원 언어](https://www.jaided.ai/easyocr)를 갖춘 즉시 사용 가능한 OCR입니다.

[웹사이트에서 데모 체험하기](https://www.jaided.ai/easyocr)

[Gradio](https://github.com/gradio-app/gradio)를 사용하여 [Huggingface Spaces 🤗](https://huggingface.co/spaces)에 통합되었습니다. 웹 데모를 체험해 보세요: [![Hugging Face Spaces](https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-Spaces-blue)](https://huggingface.co/spaces/tomofi/EasyOCR)

## 업데이트 사항
- 2024년 9월 24일 - 버전 1.7.2
    - 여러 호환성 문제 수정

- [모든 릴리스 노트 읽기](https://github.com/JaidedAI/EasyOCR/blob/master/releasenotes.md)

## 향후 계획
- 손글씨 텍스트 지원

## 예제

![example](https://raw.githubusercontent.com/JaidedAI/EasyOCR/master/examples/example.png)

![example2](https://raw.githubusercontent.com/JaidedAI/EasyOCR/master/examples/example2.png)

![example3](https://raw.githubusercontent.com/JaidedAI/EasyOCR/master/examples/example3.png)

## 설치

`pip`를 사용하여 설치하십시오.

최신 안정 릴리스의 경우:

``` bash
pip install easyocr
```

최신 개발 릴리스의 경우:

``` bash
pip install git+https://github.com/JaidedAI/EasyOCR.git
```

참고 1: Windows의 경우, 여기 https://pytorch.org 의 공식 안내에 따라 `torch`와 `torchvision`을 먼저 설치하십시오. pytorch 웹사이트에서 사용 중인 올바른 CUDA 버전을 선택해야 합니다. CPU 모드로만 실행하려는 경우 `CUDA = None`을 선택하십시오.

참고 2: [여기](https://github.com/JaidedAI/EasyOCR/blob/master/Dockerfile)에서 Dockerfile도 제공합니다.

## 사용법

``` python
import easyocr
reader = easyocr.Reader(['ch_sim','en']) # 모델을 메모리에 로드하기 위해 한 번만 실행하면 됩니다.
result = reader.readtext('chinese.jpg')
```

출력은 리스트 형식이며, 각 항목은 각각 바운딩 박스, 감지된 텍스트, 신뢰 수준을 나타냅니다.

``` bash
[([[189, 75], [469, 75], [469, 165], [189, 165]], '愚园路', 0.3754989504814148),
 ([[86, 80], [134, 80], [134, 128], [86, 128]], '西', 0.40452659130096436),
 ([[517, 81], [565, 81], [565, 123], [517, 123]], '东', 0.9989598989486694),
 ([[78, 126], [136, 126], [136, 156], [78, 156]], '315', 0.8125889301300049),
 ([[514, 126], [574, 126], [574, 156], [514, 156]], '309', 0.4971577227115631),
 ([[226, 170], [414, 170], [414, 220], [226, 220]], 'Yuyuan Rd.', 0.8261902332305908),
 ([[79, 173], [125, 173], [125, 213], [79, 213]], 'W', 0.9848111271858215),
 ([[529, 173], [569, 173], [569, 213], [529, 213]], 'E', 0.8405593633651733)]
```
참고 1: `['ch_sim','en']`은 읽고자 하는 언어의 목록입니다. 여러 언어를 동시에 전달할 수 있지만, 모든 언어를 함께 사용할 수 있는 것은 아닙니다. 영어는 모든 언어와 호환되며, 공통 문자를 공유하는 언어들은 보통 서로 호환됩니다.

참고 2: 파일 경로 `chinese.jpg` 대신 `OpenCV` 이미지 객체(numpy array)나 바이트 형태의 이미지 파일을 전달할 수 있습니다. 원본 이미지의 URL도 가능합니다.

참고 3: `reader = easyocr.Reader(['ch_sim','en'])` 줄은 모델을 메모리에 로드하기 위한 것입니다. 시간이 다소 소요되지만 한 번만 실행하면 됩니다.

더 간단한 출력을 위해 `detail=0`으로 설정할 수 있습니다.

``` python
reader.readtext('chinese.jpg', detail = 0)
```
결과:
``` bash
['愚园路', '西', '东', '315', '309', 'Yuyuan Rd.', 'W', 'E']
```

선택한 언어의 모델 가중치는 자동으로 다운로드되며, [model hub](https://www.jaided.ai/easyocr/modelhub)에서 직접 다운로드하여 '~/.EasyOCR/model' 폴더에 넣을 수도 있습니다.

GPU가 없거나 GPU 메모리가 부족한 경우, `gpu=False`를 추가하여 CPU 전용 모드로 모델을 실행할 수 있습니다.

``` python
reader = easyocr.Reader(['ch_sim','en'], gpu=False)
```

더 자세한 정보는 [튜토리얼](https://www.jaided.ai/easyocr/tutorial)과 [API 문서](https://www.jaided.ai/easyocr/documentation)를 읽어보시기 바랍니다.

#### 커맨드 라인에서 실행

```shell
$ easyocr -l ch_sim en -f chinese.jpg --detail=1 --gpu=True
```

## 자체 모델 학습/사용

인식 모델의 경우, [여기에서 읽어보세요](https://github.com/JaidedAI/EasyOCR/blob/master/custom_model.md).

감지 모델(CRAFT)의 경우, [여기에서 읽어보세요](https://github.com/JaidedAI/EasyOCR/blob/master/trainer/craft/README.md).

## 구현 로드맵

- 손글씨 지원
- 교체 가능한 감지 및 인식 알고리즘을 지원하도록 코드 재구성
API는 다음과 같이 간단해져야 합니다:
``` python
reader = easyocr.Reader(['en'], detection='DB', recognition = 'Transformer')
```
이 아이디어의 핵심은 어떤 최신 모델이라도 EasyOCR에 플러그인 형태로 연결할 수 있게 하는 것입니다. 더 나은 감지/인식 모델을 만들기 위해 노력하는 많은 천재들이 있지만, 저희는 스스로 천재가 되려 하지 않습니다. 그저 그들의 성과물을 대중이 빠르고 무료로 이용할 수 있게 하고 싶을 뿐입니다. (대부분의 천재들이 자신의 연구가 가능한 한 빠르고 크게 긍정적인 영향을 미치기를 원한다고 믿습니다.) 파이프라인은 아래 다이어그램과 같은 형태가 될 것입니다. 회색 슬롯은 하늘색 모듈을 교체하기 위한 플레이스홀더입니다.

![plan](https://raw.githubusercontent.com/JaidedAI/EasyOCR/master/examples/easyocr_framework.jpeg)

## 감사 및 참고 문헌

이 프로젝트는 여러 논문과 오픈소스 저장소의 연구 및 코드를 기반으로 합니다.

모든 딥러닝 실행은 [Pytorch](https://pytorch.org)를 기반으로 합니다. :heart:

감지 실행에는 이 [공식 저장소](https://github.com/clovaai/CRAFT-pytorch)와 [논문](https://arxiv.org/abs/1904.01941)의 CRAFT 알고리즘을 사용합니다 (clovaai의 @YoungminBaek 님께 감사드립니다). 또한 그들의 사전 학습된 모델을 사용합니다. 학습 스크립트는 @gmuffiness 님이 제공하였습니다.

인식 모델은 CRNN ([논문](https://arxiv.org/abs/1507.05717))입니다. 이는 특성 추출([Resnet](https://arxiv.org/abs/1512.03385) 및 VGG), 시퀀스 레이블링([LSTM](https://www.bioinf.jku.at/publications/older/2604.pdf)), 디코딩([CTC](https://www.cs.toronto.edu/~graves/icml_2006.pdf))의 3가지 주요 구성 요소로 이루어져 있습니다. 인식 실행을 위한 학습 파이프라인은 [deep-text-recognition-benchmark](https://github.com/clovaai/deep-text-recognition-benchmark) 프레임워크의 수정 버전입니다. (clovaai의 @ku21fan 님께 감사드립니다) 이 저장소는 더 많은 인정을 받아야 할 보석 같은 곳입니다.

Beam search 코드는 이 [저장소](https://github.com/githubharald/CTCDecoder)와 [블로그](https://towardsdatascience.com/beam-search-decoding-in-ctc-trained-neural-networks-5a889a3d85a7)를 기반으로 합니다. (@githubharald 님께 감사드립니다)

데이터 합성은 [TextRecognitionDataGenerator](https://github.com/Belval/TextRecognitionDataGenerator)를 기반으로 합니다. (@Belval 님께 감사드립니다)

또한 distill.pub의 CTC에 관한 좋은 글을 [여기](https://distill.pub/2017/ctc/)에서 확인해 보세요.

## 기여하고 싶으신가요?

AI를 모두가 이용할 수 있게 하여 인류를 함께 발전시켜 나갑시다!

기여하는 3가지 방법:

**코더(Coder):** 작은 버그 수정이나 개선을 위해 PR을 보내주세요. 더 큰 변경 사항의 경우, 이슈를 먼저 생성하여 저희와 논의해 주시기 바랍니다. ['PR WELCOME'](https://github.com/JaidedAI/EasyOCR/issues?q=is%3Aissue+is%3Aopen+label%3A%22PR+WELCOME%22) 태그가 달린 잠재적 버그/개선 이슈 목록이 있습니다.

**사용자(User):** EasyOCR이 귀하 또는 귀하의 조직에 어떤 도움이 되었는지 알려주어 추가 개발을 독려해 주세요. 또한 [이슈 섹션](https://github.com/JaidedAI/EasyOCR/issues)에 실패 사례를 게시하여 향후 모델 개선을 도와주세요.

**기술 리더/전문가(Tech leader/Guru):** 이 라이브러리가 유용하다고 생각하신다면 널리 알려주세요! (EasyOCR에 관한 [Yann Lecun의 포스트](https://www.facebook.com/yann.lecun/posts/10157018122787143)를 참고하세요)

## 새 언어 요청 가이드라인

새 언어를 요청하시려면 다음 두 파일을 포함한 PR을 보내주셔야 합니다:

1. [easyocr/character](https://github.com/JaidedAI/EasyOCR/tree/master/easyocr/character) 폴더에
모든 문자의 목록이 포함된 'yourlanguagecode_char.txt' 파일이 필요합니다. 해당 폴더의 다른 파일 예시 형식을 참조하십시오.
2. [easyocr/dict](https://github.com/JaidedAI/EasyOCR/tree/master/easyocr/dict) 폴더에
해당 언어의 단어 목록이 포함된 'yourlanguagecode.txt' 파일이 필요합니다.
평균적으로 언어당 약 30,000개의 단어가 있으며, 인기 있는 언어의 경우 50,000개 이상의 단어가 있습니다.
이 파일에는 단어가 많을수록 좋습니다.

귀하의 언어에 고유한 요소가 있는 경우(예: 1. Arabic: 문자가 서로 붙을 때 형태가 변함 + 오른쪽에서 왼쪽으로 씀, 2. Thai: 일부 문자는 라인 위, 일부는 아래에 위치해야 함), 저희가 최대한 이해할 수 있도록 설명해 주시거나 유용한 링크를 제공해 주세요. 실제로 작동하는 시스템을 구축하기 위해서는 세부 사항을 챙기는 것이 매우 중요합니다.

마지막으로, 저희의 우선순위는 인기 언어나 문자의 상당 부분을 서로 공유하는 언어 세트에 있을 수밖에 없음을 양해 부탁드립니다 (귀하의 언어가 이에 해당한다면 알려주세요). 새 모델을 개발하는 데 최소 일주일이 소요되므로, 새 모델이 릴리스될 때까지 시간이 다소 걸릴 수 있습니다.

[개발 중인 언어 목록](https://github.com/JaidedAI/EasyOCR/issues/91)을 확인하세요.

## Github 이슈

리소스 제한으로 인해 6개월 이상 된 이슈는 자동으로 닫힙니다. 중요한 문제라면 이슈를 다시 생성해 주세요.

## 비즈니스 문의

Enterprise 지원을 위해, [Jaided AI](https://www.jaided.ai/)는 구현, 학습/미세 조정 및 배포까지 맞춤형 OCR/AI 시스템을 위한 풀 서비스를 제공합니다. 저희에게 연락하시려면 [여기](https://www.jaided.ai/contactus?ref=github)를 클릭하십시오.

EasyOCR

Explore Similar Repositories

Was this content helpful?

Recent Feedback

Download README