Surya: プロフェッショナルな多言語ドキュメントOCRツール、オープンソース・ネイティブデプロイメント

はじめに

Suryaは、90以上の言語のテキスト認識をサポートする、オープンソースの多言語文書OCRツールキットです。行単位のテキスト検出だけでなく、レイアウト分析、読み順検出、表認識も可能です。Suryaの性能は、PDF、画像、Word文書、PPTなど、さまざまな種類の文書に対して、クラウドベースのサービスに匹敵します。このツールキットは、包括的な文書解析ソリューションをユーザーに提供するように設計されています。

ホスティング API: https://www.datalab.to/

PDF、画像、Word文書、PowerPoint用

機能一覧

• OCR：90以上の言語でテキスト認識
• 行単位のテキスト検出：文書内の各行のテキストの位置を自動的に識別します。
• レイアウト分析：文書内の表、画像、見出し、その他の要素の検出
• 読み順検出：文書内の読み順を特定する
• テーブル認識：テーブルの行と列の検出

ヘルプの使用

設置プロセス

1. Python 3.9+とPyTorchがインストールされていることを確認してください。
2. MacやGPUマシンを使用していない場合は、まずCPU版のトーチをインストールする必要があるかもしれません。
3. 以下のコマンドを使用して、スーリヤをインストールする：

   pip install surya-ocr
   

4. Surya を初めて実行するとき、モデルの重みは自動的にダウンロードされます。

使用プロセス

1. チェックと設定surya/settings.pyの設定を環境変数で上書きすることができる。
2. スーリヤは自動的にトーチデバイスを検出しますが、手動で上書きすることもできます。例

   TORCH_DEVICE=cuda
   

3. OCRアプリケーションを実行するには、次のコマンドを使用します：

   python run_ocr_app.py
   

4. 文書を処理する際、テキスト検出、レイアウト分析など、さまざまな機能モジュールから選択できます。

機能 操作の流れ

1. OCR機能::
   • ドキュメント（PDF、画像など）を読み込む。
   • 言語を選択する（90以上の言語に対応しています）。
   • OCR認識を実行し、テキスト内容を抽出する。
2. 行ごとのテキスト検出::
   • ドキュメントを読み込む。
   • 行ごとにテキスト検出を実行し、テキストの各行の位置を取得する。
   • テスト結果をエクスポートする。
3. レイアウト分析::
   • ドキュメントを読み込む。
   • レイアウト分析を実行し、文書内の表、画像、見出しなどの要素を検出します。
   • 分析結果をエクスポートする。
4. リーディング・シークエンス・テスト::
   • ドキュメントを読み込む。
   • 読み順検出を実行し、文書内の読み順を特定する。
   • テスト結果をエクスポートする。
5. フォーム認識::
   • ドキュメントを読み込む。
   • テーブル認識を実行して、テーブルの行と列を検出する。
   • 認識結果をエクスポートします。

Suryaは豊富な文書解析機能を提供し、ユーザーは必要に応じてさまざまな機能モジュールを選択して操作できます。詳細な操作手順や設定方法については、公式ドキュメントやサンプルコードを参照してください。

AIを始めるための素人ガイド

AIツールの活用方法を、低コスト・ゼロベースから学ぶことができます。AIはオフィスソフトと同様、誰にとっても必須のスキルです。 AIをマスターすれば、就職活動で有利になり、今後の仕事や勉強の労力も半減します。

詳細を見る