[OCR] EasyOCR vs Paddle OCR 한국어 인식 비교하기 (1 - PaddleOCR)

OCR 이란? (Optical Character Recognition)

OCR이란 광학 문자 인식 이라고 부르며, 이미지 속 문자를 기계가 해독할 수 있도록 하는 모델이다.

OCR Process에 대해 간단하게 설명하자면, OCR은 크게 두가지 모델이 사용된다.

1. Text Detection (어디쯤에 글자가 있는지 찾음)
2. Text Recognition (찾은 영역 내 글자가 어떤 글자인지 인식함)

결론부터 말하자면, EasyOCR 과 PaddleOCR 을 비교해본 결과, 한국어의 경우는 PaddleOCR 의 인식률이 더 좋았다.

 

 

 

PaddleOCR 실험 결과

PaddleOCR 은 중국 Baidu PaddlePaddle 에서 개발한 OCR 라이브러리다.
성능도 향상시키고, 경량화도 진행하여 CPU 환경에서도 테스트가 수월하게 가능하다.

테스트 데이터는 AIHUB에서 제공하는 책표지 데이터셋을 사용하였다.

추후 학습 데이터로도 사용할 수 있을 것 같다.

 

< paddle ocr git >

https://github.com/PaddlePaddle/PaddleOCR/blob/main/doc/doc_en/multi_languages_en.md

PaddleOCR/doc/doc_en/multi_languages_en.md at main · PaddlePaddle/PaddleOCR

 

해당 git 에서 가져온 코드를 조금 수정하여 바로 테스트를 진행 할 수 있다.

 

from paddleocr import PaddleOCR, draw_ocr

ocr = PaddleOCR(lang="korean") ## 한국어 사용시 korean, 영어사용시 en

# 이미지 경로
img_path ='/workspace/test_tiny/책표지_총류_000014.jpg'


result = ocr.ocr(img_path)

# 추가
result = result[0]

# Recognition and detection can be performed separately through parameter control
# result = ocr.ocr(img_path, det=False)  Only perform recognition
# result = ocr.ocr(img_path, rec=False)  Only perform detection
# Print detection frame and recognition result
for line in result:
    print(line)

# Visualization
from PIL import Image

image = Image.open(img_path).convert('RGB')
boxes = [line[0] for line in result]
txts = [line[1][0] for line in result]
scores = [line[1][1] for line in result]


im_show = draw_ocr(image, boxes, txts, scores, font_path='/workspace/PaddleOCR/doc/fonts/korean.ttf')
im_show = Image.fromarray(im_show)
im_show.save('/workspace/test_result.jpg')

 

git 코드를 그대로 가져와 사용하다보면 아래와 같은 오류를 만나게 된다.

TypeError: '<' not supported between instances of 'tuple' and 'float'

이를 해결하기 위해서는,

result = result[0] 

부분을 추가해 주었다.

 

< PaddleOCR 한국어 책표지 Test 결과 >

이미지출처: AIHUB

이미지출처: AIHUB

이미지출처: AIHUB

 

 

어디를 text로 detection 했는지, 그리고 detection 한 bbox 영역의 글자를 어떤 글자로 인식했는지 시각화까지 손쉽게 해볼 수 있다. 
finetuning도 해볼 수 있기 때문에 한국어 데이터셋을 추가하여 한국어에 특화된 데이터셋으로 개발하는 것도 좋은 시도일 것 같다.