Ocrmnist

🚀 基於Hugging Face Transformers的光學字符識別（OCR）

本倉庫展示瞭如何使用Hugging Face Transformers庫執行光學字符識別（OCR）。倉庫中的代碼利用預訓練模型對圖像進行OCR處理。

🚀 快速開始

在運行代碼之前，你需要安裝所需的庫。可以使用pip進行安裝：

pip install transformers
pip install pillow

✨ 主要特性

• 利用Hugging Face Transformers庫進行OCR。
• 使用預訓練模型對圖像進行字符識別。

📦 安裝指南

使用以下命令安裝所需的庫：

pip install transformers
pip install pillow

💻 使用示例

基礎用法

以下是使用提供的代碼對圖像進行OCR的基本步驟：

# 1. 導入必要的庫
from transformers import VisionEncoderDecoderModel
from transformers import TrOCRProcessor, VisionEncoderDecoderModel
from PIL import Image
import requests

# 2. 加載預訓練的OCR模型和處理器
model = VisionEncoderDecoderModel.from_pretrained("vanshp123/ocrmnist")
processor = TrOCRProcessor.from_pretrained('microsoft/trocr-base-stage1')

# 3. 加載用於OCR的圖像。你可以將 "/content/left_digit_section_4.png" 替換為你的圖像路徑
image = Image.open("/content/left_digit_section_4.png").convert("RGB")

# 4. 使用OCR處理器處理圖像並生成文本
pixel_values = processor(images=image, return_tensors="pt").pixel_values
generated_ids = model.generate(pixel_values)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

# 5. generated_text 將包含從圖像中識別出的文本

高級用法

你可以將此代碼作為OCR項目的起點。重要的是根據你的具體用例進行調整，並根據需要進行定製。

📄 許可證

此代碼使用了Hugging Face Transformers庫中的模型，你應該查看預訓練模型的許可和使用條款。