PythonでOCR
昔から tesseract というオープンソースのOCRエンジンが有名です。Pythonからは pytesseract で使えます。ここではより新しい EasyOCR と、Mac限定ですがmacOSのOCRエンジンを使う方法を解説します。 EasyOCR EasyOCR はたいへん優れたOCRエンジンです。Apple Silicon もサポートされています。コマンドラインでも使えます。 pip install easyocr でインストールできます。 import easyocr reader = easyocr.Reader(['en']) # en, ja, ... result = reader.readtext('filename.png', detail=0) print(" ".join(result)) 初回実行時にモデル（パラメータのファイル）がダウンロードされます： Do
日本語に特化したOCR、文書画像解析Pythonパッケージ「YomiToku」を公開しました｜Kotaro.Kinoshita
はじめに最近、LLMへのRAGを用いた文書データの連携等を目的に海外を中心にOCRや文書画像解析技術に関連する新しいサービスが活発にリリースされています。 しかし、その多くは日本語をメインターゲットに開発されているわけではありません。日本語文書は、英数字に加えて、ひらがな、漢字、記号など数千種類の文字を識別する必要があったり、縦書きなど日本語ドキュメント特有のレイアウトに対処する必要があったりと日本語特有の難しさがあります。 ですが、今後、海外の開発者がこれらの課題に対処するため、日本のドキュメント画像解析に特化したものをリリースする可能性は低く、やはり自国の言語向けのサービスは自国のエンジニアが開発すべきだと筆者は考えています。 もちろん、Azure Document Intelligenceをはじめとした、クラウドサービスのドキュメント解析サービスはありますが、クラウドを利用できないユ
LLMをアプリ開発に統合するSDK「Semantic Kernel」がPythonに対応、TypeScriptへの対応も検討中
米Microsoftは、一般的なプログラミング言語から大規模言語モデル（Large Language Models）の機能を扱いやすくする軽量のSDK（Software Development Kit）「Semantic Kernel」のPython対応版を4月17日（現地時間）に公開した。Semantic KernelはMITライセンスで公開しているオープンソース・ソフトウェア。 MicrosoftがSemantic Kernelを初めて公開したのは2023年3月17日（現地時間）。そのときはC#に対応し、Python対応版は「実験的」という扱いで公開していた。今回は、Python対応版を正式に公開した。 Semantic Kernelを利用すると、開発者は自身が開発するアプリケーションに大規模言語モデルが持つ機能を組み込みやすくなる。Semantic Kernelを利用したソフトウェア
Python 製 Web フレームワークを Flask から FastAPI に変えた話｜NAVITIME_Tech
こんにちは、けんにぃです。ナビタイムジャパンで公共交通の時刻表を使ったサービス開発やリリースフローの改善を担当しています。 今回は Python 製の Web フレームワークとして FastAPI を導入した話をしようと思います。 Python 製の Web フレームワークPython には代表的な Web フレームワークが 2 つあります。 ・Django: フルスタックフレームワーク ・Flask: マイクロフレームワーク Django は大規模開発向け、Flask は小中規模開発向けと言われますが、今回開発したサーバは小規模なサーバだったため、以前は Flask で開発していました。 しかし、どちらのフレームワークを使う場合でも下記のような機能を使おうとするとプラグインやサードパーティの助けを借りる必要があります。 ・OpenAPI ・JSON Schema ・GraphQL ・We
時系列予測で使えるpythonライブラリ一覧 - ざこぷろのメモ
本記事では、時系列予測に利用できるpythonのライブラリの使い方について説明をします。 パッとライブラリを使うことを目指すため具体的なアルゴリズムの説明は省きます。 ※説明が間違えている場合があればご指摘いただけると助かります。 目次 利用データ ライブラリ Prophet PyFlux Pyro Pytorch Lightgbm 補足:Darts まとめ ソースコード このブログで記載されているソースコードはGitHubに上げておいたのでもしよろしければ参考にしてください。 github.com 利用データ 今回用いるデータはkaggleのM5 Forecasting - Accuracyと呼ばれるコンペティションで利用されたデータを用います。 作成したランダムなデータよりも実データのほうが予測をしている感があるからです。 予測に使うデータはwalmartの売上データです。 下図はその
Azure FunctionsでPythonを使ってみた - kapieciiのブログ
先日参加させてもらった「スマートスピーカーを遊びたおす会大阪 vol.1」で、多くの方がAzure Functionsを利用していました。 kotodama.connpass.com Azure Functionsを使ったことが無かったので使ってみました。 今日いろんな人が使ってたのでazure functions便利なんだろうなぁ。試してみよう。— kapiecii / かぴし (@kapiecii) 2019年8月1日 目次 環境 手順 Azure Portalにログイン PortalでFunction App を作成する ローカルの環境を整える Python Azure CLI Azure Functions Core Tools ローカルにプロジェクトを作成 プロジェクトにFunctionを追加 Functionをローカルで実行する Azure環境に公開 感じたメリット 料金 最後
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Pythonを用いたPDFデータからの情報抽出 / Extraction data from PDF using Python