テキスト、バーコード、および基準マーカーの検出と認識

Computer Vision Toolbox™ は、深層学習モデルと従来のコンピューター ビジョン技術を組み合わせることで、イメージやビデオ内のテキスト、バーコード、および基準マーカーの検出をサポートします。これらの機能は、自動運転、産業オートメーション、文書解析、拡張現実などの用途において不可欠です。

テキスト検出には、2 段階のプロセスを使用できます。まず、イメージ内でテキストを含む領域を検出し、次に、光学式文字認識 (OCR) を使用して、それらの領域内のテキストを認識します。ツールボックスは、ブロブ解析、maximally stable extremal regions (MSER) 特徴検出器、深層学習ベースの CRAFT モデルなど、複数のテキスト検出アプローチを提供します。これらの手法は、複雑なシーンの中からテキストを含む領域を特定するのに役立ちます。あるいは、イメージ ラベラー アプリとビデオ ラベラー アプリを使用し、対話形式および AI アシストによって、イメージ内のテキスト領域の注釈付けを実行することもできます。

イメージ内のテキスト領域を特定したら、OCR を使用して、複数の言語に対応した事前学習済みの言語モデルを使用してテキストを認識できます。カスタム アプリケーションでは、trainOCR 関数を使用して独自の OCR モデルに学習させることができます。詳細については、Getting Started with OCRとTrain Custom OCR Modelを参照してください。

バーコードおよび基準マーカーの検出のために、ツールボックスは 1 次元および 2 次元のバーコードの読み取りと復号化、ならびに AprilTags や ArUco マーカーなどの基準マーカーの検出をサポートしています。ArUco マーカーはプログラムで生成することも可能で、これはロボティクスや AR システムにおけるキャリブレーションや追跡タスクに役立ちます。