aws sagemaker 用于检测图像中的文本

Question

我知道最好为此使用 aws Rekognition。但是，当我使用我拥有的图像（有点像带有标签的小容器）进行尝试时，它似乎效果不佳。文本出现拼写错误和碎片化。

我是 ML 和 sagemaker 的新手。从我所见，用例似乎是用于预测和图像分类。我找不到一个关于训练用于检测图像中文本的模型。是否可以使用 Sagemaker 做到这一点？如果有人指出我正确的方向，我将不胜感激。

Answer 1

不同的服务都将为光学字符识别 (OCR) 提供不同的抽象级别，具体取决于您最喜欢使用管道的哪些部分以及您希望抽象的内容。

这里有几个选项：

• Rekognition 将提供开箱即用的 OCR 和 DetectText 功能。但是，在当前情况下，您似乎需要对图像执行某种预处理以获得更好的结果。这可以通过您选择的任何方法（Lambda、EC2 等）来完成。

• SageMaker 是一种工具，可让您轻松训练和部署自己的模型（任何类型）。 SageMaker 有两个主要选择：

  1. 自己动手的选项：如果您希望走上标记自己的数据、收集相当大的训练集并训练自己的 OCR 模型的道路，这是可以通过 SageMaker 训练和部署您自己的模型。

  2. 现有的 OCR 算法：有许多算法都对 OCR 有不同的潜在权衡。一个例子是Tesseract。使用它，您可以更紧密地将预处理步骤与文本检测结合起来。

• Amazon Textract（预览中）是一种专门构建的专用 OCR 服务，根据您的图像外观和您选择的设置，它可能会提供更好的性能。

我个人建议先查看pre-processing for OCR，看看它是否能提高 Rekognition 的准确性，然后再转向其他选项。即使它不能提高 Rekognition 的准确性，它对于大多数其他选项仍然很有价值！