テキストの検出と認識

イメージの特徴検出と説明、深層学習、および OCR を使用したテキストの検出と認識

イメージ内のテキストの検出と認識は、コンピュータービジョンアプリケーションで実行される一般的なタスクです。たとえば、走行中の車両から路上シーンのビデオをキャプチャし、キャプチャしたシーンの標識を認識して、ドライバーに標識について知らせることができます。

検出と認識を 2 段階のプロセスに組み合わせることができます。最初のステップでテキストを含む領域を検出し、次に 2 番目のステップで領域内のテキストを認識します。

Input image showing an accessible parking sign, connected to a detector, which outputs an image with predicted bounding boxes overlaid on the sign text, connected to a recognizer that outputs a list of the words recognized on the sign.

テキスト検出アルゴリズムは、局所的なイメージ特徴、機械学習または深層学習を使用して、イメージ内のテキストを特定またはセグメント化します。Computer Vision Toolbox™ の例では、ブロブ解析、maximally stable extremal regions (MSER) 特徴検出器、および character region awareness for text detection (CRAFT) 深層学習モデルを使用してテキストを検出する方法を示しています。

テキストを検出すると、機械学習または深層学習ベースのテキスト認識モデルがテキスト領域を処理して、予測されたテキストを返します。関数 ocr は、事前学習済みの言語モデルを使用して、複数の言語のテキストを認識します。関数 trainOCR を使用してカスタム言語モデルに学習させることもできます。詳細については、Getting Started with OCRを参照してください。

アプリ

イメージラベラー

コンピュータービジョンアプリケーションに使用するラベルイメージ

関数

すべて展開する

ラベル付け

Image Labeler コンピュータービジョンアプリケーションに使用するラベルイメージ

学習と評価

`trainOCR`	Train OCR model to recognize text in image (R2023a 以降)
`evaluateOCR`	Evaluate OCR results against ground truth (R2023a 以降)
`ocrMetrics`	Store OCR quality metrics (R2023a 以降)
`ocrTrainingOptions`	Options for training OCR model (R2023a 以降)
`ocrTrainingData`	Create training data for OCR from ground truth (R2023a 以降)

量子化

quantizeOCR Quantize OCR model (R2023a 以降)

テキスト検出

`detectTextCRAFT`	Detect texts in images by using CRAFT deep learning model (R2022a 以降)
`detectMSERFeatures`	MSER 特徴の検出
`vision.BlobAnalysis`	連結された領域のプロパティ
`extractHOGFeatures`	勾配方向ヒストグラム (HOG) 特徴を抽出

テキスト認識

`ocr`	光学式文字認識を使用したテキストの認識
`ocrText`	Store OCR results
`visionSupportPackages`	Computer Vision Toolbox のデータをダウンロード、インストール、またはアンインストールするためのインストーラーの起動

トピック

開始

Getting Started with OCR
Detect and recognize text in multiple languages, train OCR models to recognize custom text.
Train Custom OCR Model
Train an optical character recognition (OCR) model to recognize custom text.
OCR Language Data Files のインストール
光学式文字認識 (OCR) 言語のファイルをサポートしています。
局所特徴の検出と抽出
局所特徴の検出と抽出の利点と用途の学習。
特徴点のタイプ
いくつかの種類の特徴の点オブジェクトを返したり受け入れたりする関数の選択。

注目の例

光学式文字認識 (OCR) を使用したテキストの認識

光学式文字認識を使用してイメージ内のテキストを認識する。

ライブスクリプトを開く

Recognize Seven-Segment Digits Using OCR

Use OCR to recognize seven-segmented digits in text detected by CRAFT and region properties.

ライブスクリプトを開く

MSER と OCR を使用したテキストの自動検出と自動認識

MSER と OCR を使用したイメージ内のテキストの自動検出と自動認識。

ライブスクリプトを開く

Automatically Detect and Recognize Text Using Pretrained CRAFT Network and OCR

Perform text recognition by using a deep learning based text detector and OCR. In the example, you use a pretrained CRAFT (character region awareness for text) deep learning network to detect the text regions in the input image. You can modify the region threshold and the affinity threshold values of the CRAFT model to localise an entire paragraph, a sentence, or a word. Then, you use OCR to recognize the characters in the detected text regions.

ライブスクリプトを開く

Automate Ground Truth Labeling for OCR

Automate the labeling of text for OCR training and evaluation.

ライブスクリプトを開く

Train an OCR Model to Recognize Seven-Segment Digits

Train an OCR model that can recognize seven-segment numerals.

ライブスクリプトを開く

HOG 特徴を使用した数字の分類

この例では、HOG 特徴およびマルチクラス SVM 分類器を使用して数字を分類する方法を説明します。

ライブスクリプトを開く