robertknight/ocrs
Ocrs
Dieses Projekt ist eine terminalbasierte OCR-Engine (Optical Character Recognition), die neuronale Netze nutzt, um Text und räumliche Layout-Daten aus Bildern zu extrahieren. Sie fungiert sowohl als CLI-Utility für automatisierte Textverarbeitung als auch als Bibliothek zur Integration von Machine-Learning-gestützter Erkennung in breitere Workflows.
Die Engine zeichnet sich durch eine modulare Verarbeitungspipeline aus, die das Laden benutzerdefinierter Modelle und die speicherabgebildete Initialisierung von Gewichten für eine effiziente Ausführung unterstützt. Sie bewahrt die Dokumentstruktur durch die Verfolgung präziser geometrischer Koordinaten für jedes erkannte Textelement und ermöglicht die Verfeinerung der Ausgabe durch Validierungsregeln auf Zeichenebene.
Das System enthält umfassende Tools für die Bildaufnahme, einschließlich direktem Import aus System-Clipboards und Browser-Inhalten. Es bietet Diagnosefunktionen durch die Generierung visueller Overlays und Zwischenverarbeitungs-Artefakte, um die Erkennungsgenauigkeit zu verifizieren und die Pipeline-Performance zu beheben.
Die Software wird als statische Binärdatei verteilt, um Portabilität über Umgebungen hinweg ohne externe Abhängigkeiten zu gewährleisten.
Features
- OCR Command Line Interfaces - Provides a terminal-based utility for processing images and clipboard data into structured text with spatial coordinates.
- Document Spatial Coordinate Outputs - Returns extracted text with precise spatial coordinates to preserve document structure.
- Image Text Extractions - Processes raw pixel data to identify and return text content as strings or coordinate-mapped lines.
- Neural Network Model Implementations - Executes pre-trained neural network models to perform pattern recognition on raw pixel data.
- Visual Text Extractors - Identifies and digitizes text regions from visual inputs using machine learning pipelines.
- Optical Character Recognition - Provides a library for extracting text and spatial layout data from images and clipboard content.
- Memory-Mapped Weight Loaders - Maps model weight files directly into process memory to reduce RAM usage and improve initialization speed.
- Model Initialization Loaders - Loads neural network models from file paths or memory buffers to prepare the engine for analysis.
- Document Text Recognition Toolkits - Supports loading custom neural network models to perform specialized text recognition tasks.
- Output Formats - Exports extracted text and precise bounding box coordinates into structured data files for downstream processing.
- Standard Input Ingestion - Ingests image data from standard input streams or clipboard buffers for automated processing workflows.
- Clipboard Image Pasting - Captures and processes image data directly from the system clipboard for rapid text extraction.
- Layout Preservation - Exports extracted text and spatial coordinates to preserve the original document structure.
- Clipboard Data Extraction - Extracts text content from the system clipboard to convert visual information into editable text.
- Static Binary Compilers - Compiles the entire engine into a single static binary for portable, dependency-free execution.
- Image Processing Pipelines - Chains modular image processing stages like binarization and feature extraction before final recognition.
- OCR Character Set Constraints - Restricts recognition output to specific character sets to improve accuracy on constrained inputs.
