aws sagemaker用于检测图像中的文本

Question

我知道最好使用aws Rekognition。但是，当我尝试使用自己拥有的图像（看起来像带有标签的小容器）时，它似乎无法很好地工作。文本拼写错误且不完整。

我是ML和Sagemaker的新手。从我所看到的，用例似乎是用于预测和图像分类。我找不到训练模型以检测图像中的文本的方法。 Sagemaker可以做到吗？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）提供不同级别的抽象，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部分。

以下是一些选择：

• 识别将为开箱即用的OCR提供DetectText功能。但是，您似乎需要在当前情况下对图像执行某种预处理，以便获得更好的结果。可以通过您选择的任何方法（Lambda，EC2等）完成此操作。

• SageMaker 是一个工具，可让您轻松训练和部署自己的模型（任何类型）。 SageMaker有两个主要选项：

  1. “自己动手”选项：如果您打算采用标记自己的数据，收集可观的训练集并训练自己的OCR模型的路线，这就是可以通过SageMaker训练和部署自己的模型来实现。

  2. 现有的OCR算法：目前有许多算法对于OCR具有不同的潜在折衷。一个示例是Tesseract。使用此功能，您可以将预处理步骤与文本检测更紧密地结合在一起。

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

我个人建议使用pre-processing for OCR来看看它是否可以提高识别精度，然后再使用其他选项。即使它不能提高Rekognition的准确性，它对于其他大多数选项还是很有价值的！