OpenCV4.5 のリリースノートには、文字認識が改良されたことが書いてある。
さらに、リリースノートをたどると、この改変のPRにたどり着ける。
https://github.com/opencv/opencv/pull/17675
最近は、このPRの説明が詳しくて、どのように追加・改変の機能がよくなったのかをわかりやすくまとめている。
英数字についても文字認識は、これまでにもだいぶ進んできていたが、手書き文字についても性能が向上してきている。
文字認識は、次の２段階からなる。
- 文字が写っている領域を検出する。(text detection)
- その領域に写っている文字の１字１字を特定する。(text recognition)
- （さらには、単独の文字認識で区別しにくい文字を、辞書を使って特定する。）
このOpenCVの実装は、上記のPRを読めばわかるように、文字を確定するまでのものになっている。
$ cd opencv/samples/dnn
$ opencv/samples/dnn$ python text_detection.py -h
usage: text_detection.py [-h] [--input INPUT] --model MODEL [--ocr OCR]
[--width WIDTH] [--height HEIGHT] [--thr THR]
[--nms NMS]
Use this script to run TensorFlow implementation
(https://github.com/argman/EAST) of EAST: An Efficient and Accurate Scene Text
Detector (https://arxiv.org/abs/1704.03155v2)The OCR model can be obtained
from converting the pretrained CRNN model to .onnx format from the github
repository https://github.com/meijieru/crnn.pytorchOr you can download trained
OCR model directly from https://drive.google.com/drive/folders/1cTbQ3nuZG-
EKWak6emD_s8_hHXWz7lAr?usp=sharing
optional arguments:
-h, --help show this help message and exit
--input INPUT Path to input image or video file. Skip this argument
to capture frames from a camera.
--model MODEL, -m MODEL
Path to a binary .pb file contains trained detector
network.
--ocr OCR Path to a binary .pb or .onnx file contains trained
recognition network
--width WIDTH Preprocess input image by resizing to a specific
width. It should be multiple by 32.
--height HEIGHT Preprocess input image by resizing to a specific
height. It should be multiple by 32.
--thr THR Confidence threshold.
--nms NMS Non-maximum suppression threshold.
英文でよければ、次の解説記事がある。
[OpenCV Text Detection (EAST text detector)]
(https://www.pyimagesearch.com/2018/08/20/opencv-text-detection-east-text-detector/)
qiita [OpenCVをPythonで文字の場所をレシートから取得する]
(https://qiita.com/ChibaDai/items/875d767d260151974c89)
OpenVinoの場合
手書きの日本語を認識している！
