计算 OCR 准确度

Question

我需要计算 OCR 字符准确度

样品地面值：

Non sinking ship is friendship

ocr值输入示例：

non singing ship is finedship

关注的领域是：

1. 遗漏字符
2. 额外字符
3. 错位的字符

字符准确度由实际字符数及其位置除以实际字符总数来定义。

我需要一个 python 脚本来找到这个准确性。我的初始实现如下：

ground_value = "Non sinking ship is friendship"
ocr_value = "non singing ship is finedship"
ground_value_characters = (re.sub('\s+', '',
                                      ground_value)).strip()  # remove all spaces from the gr value string
    ocr_value_characters = (re.sub('\s+', '',
                                   ocr_value)).strip()  # remove all the spaces from the ocr string 

 total_characters = float(len(
        ground_value_characters))  

def find_matching_characters(ground, ocr):
  total = 0
  for char in ground:
    if char in ocr:
      total = total + 1
      ocr = ocr.replace(char, '', 1)
  return total

found_characters = find_matching_characters(ground_value_characters,
                                                ocr_value_characters)

accuracy = found_characters/total_characters

我无法得到我所希望的。任何帮助将不胜感激。

Answer 1

如果你还没有接受这个精确的定义（或者如果你愿意并且想深入研究 python-Levenshtein 的细节），那么我会这样解决这个问题：

pip install python-Levenshtein

from Levenshtein import distance

ground_value = "Non sinking ship is friendship"
ocr_value = "non singing ship is finedship"

print(distance(ground_value, ocr_value))

相同的library 将以相对高性能的方式为您提供汉明距离、操作码和类似功能。

如果这是一个家庭作业或您在这里的目的是学习如何实现字符串算法，那么这些都没有用，但如果您只需要一个好的指标，这就是我会使用的。

Answer 2

您可以使用 SequenceMatcher。它给了你想要的，

from difflib import SequenceMatcher

ground_value = "Non sinking ship is friendship"
ocr_value = "non singing ship is finedship"

sm = SequenceMatcher(None, ocr_value, ground_value)
true_positive_char_num = 0
for tag, i1, i2, j1, j2 in sm.get_opcodes():
  if tag== 'equal':
    true_positive_char_num += (j2 - j1)
  else:
    pass

print(f'accuracy = {true_positive_char_num/len(ground_value)}')

accuracy = 0.8666666666666667

这里我们首先创建 SequenceMatcher 对象并使用 get_opcodes() 方法详细说明如何将预测转化为真实值。要计算真正的字符，我们只使用 'equal' 标记。

更多详情请见https://docs.python.org/3/library/difflib.html#sequencematcher-objects。