Présentation du Robot OCR pour extraire facilement du texte

Yukesh Shrestha

Ingénieur support · Gillingham, Royaume-Uni · Afficher la bio

« Une image vaut mille mots » est un adage présent dans de nombreuses langues, et à juste titre. Notre cortex visuel est sans doute la partie la plus puissante du cerveau, et l’utiliser pour transmettre du sens est tout aussi puissant. Avec l’arrivée de notre Robot /image/describe, nous permettons aux développeurs d’exploiter le cortex visuel de modèles d’IA entraînés par de grands fournisseurs de services cloud. Aujourd’hui, nous allons plus loin en reconnaissant les objets dans les images, mais aussi en lisant les mots qui s’y trouvent.

Imaginons que vous ayez une photo d’un panneau de signalisation ou d’un menu. Presque tout le monde pourrait comprendre ces objets, mais leur sens est toujours resté opaque aux machines jusqu’à l’arrivée de nouveaux modèles OCR puissants, capables de lire, pour ainsi dire, du texte à partir d’un ensemble de pixels.

Voici le Robot /image/ocr, le dernier membre de notre famille de Robots d’IA. Il peut utiliser AWS ou GCP en arrière-plan, et vous pouvez facilement passer d’un fournisseur à l’autre à l’aide du paramètre provider. Ainsi, si les résultats d’un fournisseur ne sont pas satisfaisants, vous pouvez essayer l’autre avec la même interface de Robot. Les résultats de reconnaissance peuvent varier selon les fournisseurs et évoluer avec leurs modèles. Testez donc avec des images représentatives plutôt que de vous fier à une réponse exacte.

Extraire du texte à partir d’images

Pour montrer à quel point ce nouveau Robot est simple à utiliser, nous allons examiner le Template ci-dessous :

{
  "steps": {
    ":original": {
      "robot": "/upload/handle"
    },
    "image-ocr": {
      "use": ":original",
      "robot": "/image/ocr",
      "format": "text",
      "provider": "aws"
    },
    "exported": {
      "use": ["image-ocr", ":original"],
      "robot": "/s3/store",
      "credentials": "YOUR_AWS_CREDENTIALS",
      "acl": "bucket-default",
      "path": "ocr/${unique_prefix}/${file.url_name}"
    }
  }
}

Il existe de nombreuses façons d’envoyer des fichiers à Transloadit, mais nous utiliserons le Robot /upload/handle dans notre premier Step, :original.

La reconnaissance d’image s’effectue dans le Step suivant, image-ocr. Nous transmettons ici :original à notre Robot /image/ocr et définissons son paramètre format pour qu’il renvoie son résultat sous forme de fichier texte. Si vous omettez format, le Robot produit du JSON. Nous avons également indiqué vouloir utiliser aws comme fournisseur d’IA en arrière-plan. En écrivant gcp ici, vous sélectionnez Google Cloud à la place. Le format text produit toujours un fichier texte, mais les mots reconnus, leur regroupement et leur ordre peuvent varier.

Après l’extraction, nous exportons le fichier texte et l’image d’origine vers votre bucket S3. Remplacez YOUR_AWS_CREDENTIALS par le nom de votre ensemble d’informations d’identification de Template enregistré. Suivez la procédure commune de création d’un ensemble d’informations d’identification et le guide de configuration S3 pour configurer votre propre bucket et un accès limité au périmètre nécessaire. L’exemple omet l’ACL d’objet en utilisant bucket-default ; gardez Block Public Access activé et n’ajoutez pas de politique de bucket autorisant la lecture publique. Le chemin unique évite d’écraser un autre fichier téléversé portant le même nom.

Tester

Testons maintenant notre Template avec l’image ci-dessous :

Le Robot convertit les formats d’image tels que ce SVG en une image matricielle compatible avec le fournisseur avant la reconnaissance. Pour ce logo, le résultat textuel peut ressembler à ce qui suit ; il n’est pas garanti que la reconnaissance reproduise la même orthographe ou la même casse à chaque exécution :

Transloadit

Conclusion

Dans cette courte présentation, nous avons montré comment ajouter l’extraction de texte à un flux de travail à l’aide de notre Robot /image/ocr.

De plus, grâce à la modularité de Transloadit, nos 95 Robots peuvent tous être enchaînés pour créer des flux de travail propres à votre cas d’utilisation. Autrement dit, le Step OCR pourrait n’être qu’un des nombreux rouages de votre machine complexe. Comme nous l’avons montré, une recette JSON écrite de manière déclarative suffit pour mettre cela en place. Vérifiez que les résultats répondent aux besoins de votre application, surtout avant de prendre des décisions fondées sur le texte reconnu.

Consultez notre page des tarifs pour connaître la disponibilité des fonctionnalités d’IA, l’utilisation incluse et les frais de traitement actuels.