Derin Öğrenme: Zorlu Karakter Tanıma Projeleri İçin Cevap

OCR, çeşitli ambalaj ve etiketleme formatlarının getirdiği zorluklara yanıt verecek şekilde gelişmiştir, ancak stilize yazı tipleri, bozulmuş veya gizlenmiş karakterler, yansıtıcı yüzeyler ve karmaşık arka planlar, kullanıcı tarafından öğretilen ve bu nedenle genellikle kurulum, eğitim ve dağıtım için endüstriyel görüntü profesyonelleri gerektiren geleneksel OCR teknikleri için zorluklar oluşturabilir (Şekil 1).

Geleneksel bir OCR sisteminin eğitimi birkaç adım içerir. İlk olarak, girdili görüntüler kaliteyi artırmak ve karakter tanımasına hazırlamak için ön işleme tabi tutulur. Bu, gürültü azaltma, görüntü ikili hale getirme (siyah beyaza dönüştürme) ve döndürme düzeltme (görüntüyü döndürmeyi düzeltmek için ayarlama) gibi görevleri içerebilir.

Sonraki adım bölümleme. Ön işlenmiş görüntü, bireysel karakterlere veya metin satırlarına bölünür. Bu adım, karakterleri veya satırları birbirinden ayırır, böylece onları tanımayı ve ayrı ayrı analiz etmeyi kolaylaştırır. Daha sonra her bölümlenmiş karakterden özellikler çıkarılır. Bu özellikler, bir karakteri diğerinden ayırmaya yardımcı olan ayırt edici özelliklerdir. Geleneksel OCR sistemleri, konturlar, çizgiler ve karakterlerin diğer geometrik özelliklerini analiz etme gibi çeşitli teknikler kullanarak özellik çıkarır. 

Çıkarılan özelliklerin karşılık gelen karakterlerle etiketlenmesiyle bir eğitim veri seti oluşturulur. OCR sistemini etkili bir şekilde eğitmek için, sistemin gerçek dünya senaryolarında karşılaşabileceği farklı yazı tiplerini, boyutları, stilleri, yönleri ve gürültü koşullarını kapsayan çeşitli eğitim görüntüleri gereklidir. İnsan operatörler, eğitim görüntülerindeki her karakteri elle açıklayarak, karakter özelliklerini doğru etiketleriyle eşleştiren bir veri seti oluşturur.

Sonra sınıflandırıcı eğitimi gelir, burada etiketlenmiş eğitim verileri kullanılarak bir sınıflandırma algoritması eğitilir. Bu algoritma, çıkarılan özelliklerdeki kalıpları tanımayı öğrenir ve bunları karşılık gelen karakterlerle ilişkilendirir. Geleneksel OCR sistemlerinde kullanılan yaygın algoritmalar arasında destek vektör makineleri, gizli Markov modelleri ve en yakın komşu algoritmaları bulunur.

Ardından, eğitilmiş sınıflandırıcı, ayrı bir test veri seti kullanılarak değerlendirilir. Bu değerlendirme, OCR sisteminin doğruluğunu ve performansını ölçer. Performans tatmin edici değilse, parametreleri ayarlayarak, ön işleme tekniklerini geliştirerek veya eğitim veri setini genişleterek eğitim süreci tekrarlanabilir.

OCR sistemi istenen doğruluk seviyesine ulaştığında, yeni, görülmemiş görüntülerdeki karakterleri tanımak için kullanılabilir. Önceden işlenmiş görüntü segmentlere ayrılır ve eğitilmiş sınıflandırıcı, segmentlere ayrılmış karakterleri tanımak ve dijital metne dönüştürmek için kullanılır. Geleneksel OCR sistemlerinin yoğun bir şekilde el yapımı özelliklere ve belirli algoritmalara dayandığını belirtmek önemlidir; bu da onları derin öğrenmeye dayalı OCR sistemlerine kıyasla farklı yazı tipi stillerine, boyutlarına ve dillere daha az uyarlanabilir hale getirir.

Şekil 1: Geleneksel OCR yöntemleri, yansıtıcı yüzeylerle, eğimli yüzeylere baskı yapıldığında ve eğilmiş, bozulmuş veya gizlenmiş karakterlerle çalışırken zorluklarla karşılaşabilir.

Şekil 3: DL-OCR aracının sağladığı OCR yetenekleri, zorlu karakter tanıma projeleri için bir çözüm sunar. Bu projeler, geleneksel OCR tekniklerini etkisiz kılan, karmaşık arka planlara, bulanık veya hasarlı karakterlere, bozulmaya veya yansıtıcı yüzeylere sahiptir. Araç, binlerce çeşitli görüntü örneği ile kullanılmaya hazır, önceden eğitilmiş bir sinirsel ağ içerir. En başından itibaren, çok zor senaryolarda bile yaklaşık %97 doğruluk sağlar.

Yapay zeka ve makine öğrenimi, özellikle derin öğrenme, OCR çözümlerinin karşılaştığı zorluklar için umut verici bir çözüm sunmaktadır. Derin öğrenme algoritmalarının kullanımıyla, alfasayısal karakterlerin katı kurallarla tanımlanmasının zor olduğu durumlarda bile, desenlerdeki düzensizlikleri tespit etmek mümkün hale gelir ve bu zorlukların üstesinden gelmek ve OCR sürecini iyileştirmek için gelişmeler devam etmektedir. 

Derin öğrenme tabanlı OCR gibi modern yaklaşımlar, karakterlerden özellikleri otomatik olarak öğrenmek ve çıkarmak için evrişimli sinirsel ağlar (CNN'ler) ve yinelemeli sinirsel ağlar (RNN'ler) kullanarak açıkça tasarlanmış özelliklere bağımlılığı azaltır. Bu modeller, daha geniş bir yazı tipi çeşitliliğini yönetebilir ve yeni veya tanıdık olmayan yazı tiplerine daha hızlı ve daha etkili bir şekilde uyarlanabilir, geniş kapsamlı manuel ayarlamalar gerektirmeden.

Derin öğrenme modelleri için gerekli büyük veri setlerini toplama ve açıklama süreci, ancak, yaygın uygulama için bir engel olarak ortaya çıkmıştır. Bir veri seti için gereken görüntü sayısı, kod okuma uygulamasının karmaşıklığına göre değişir ve genellikle arzulanan performansa ulaşmak için deneyler ve tekrarlayan iyileştirmeler yoluyla belirlenir.

OCR sürecini yazı tipi değişikliklerini daha verimli bir şekilde ele alacak şekilde güncellemek, manuel ayarlamaların yükünü azaltmak ve sistemin yeni yazı tipleri ve metin varyasyonlarına uyum yeteneğini artırmayı amaçlayan devam eden bir araştırma ve geliştirme alanıdır (Şekil 3). Bu doğrultuda, transfer öğrenme teknikleri, büyük veri setleri üzerinde önceden eğitilmiş modellerden yararlanmak için de kullanılmakta, bu da daha iyi genelleme sağlamakta ve her bir özel font için aşırı eğitim verilerine olan ihtiyacı azaltmaktadır.

Şekil 5: Zebra'nın DL-OCR aracının temel özellikleri, kullanım kolaylığı, geleneksel yöntemlerle elde edilemeyen zor OCR vakalarını yönetebilmesi, kutudan çıktığı anda yüksek doğruluk, kullanıcı dostu olması ve hem NVIDIA GPU hem de CPU ile uyumluluğu içerir.

Zebra'nın Aurora yazılımının bir parçası olarak, DL-OCR aracı, herhangi bir FS sabit endüstriyel tarayıcı veya VS akıllı kamera dahil olmak üzere çeşitli ürünlerde dağıtılabilir, kompakt, kendi kendine yeterli bir inceleme sistemi sunan kamera üzerinde dağıtım sağlar. Gömülü akıllı kamera platformları, geleneksel endüstriyel PC tabanlı machine vision sistemlerine kıyasla, çeşitli OCR uygulamaları için kurulum ve görüntü yakalama konusunda daha hızlı ve daha basit bir yaklaşım sunar.

Ancak, son kullanıcılar aracı yalnızca Zebra cihazlarında kullanmakla sınırlı değildir, çünkü Aurora yazılımı günümüzde piyasada bulunan üçüncü taraf endüstriyel PC'ler ve görüntü kontrolörlerinde güvenilir bir şekilde kullanılabilir. Müşteri ihtiyaçlarının sürekli genişlemesi ve gelişmesiyle, son kullanıcıların yalnızca etkili değil aynı zamanda kolay kullanılabilir araçlara ihtiyacı vardır. Yeni DL-OCR aracı bu düşünceyle tasarlandı, çünkü herhangi bir eğitim gerektirmez ve uçlarda veya dağıtık sistemlerde kullanılabilir, kullanıcılara tam ihtiyaçlarını karşılayan ve gerektiği gibi ölçeklendirip optimize edebilecekleri bir sistemi kullanma esnekliği sunar.

Seçilen donanım platformuna bakılmaksızın, derin öğrenme araçları, OCR uygulamalarında geleneksel OCR yöntemlerine kıyasla çeşitli avantajlar sunar. Zebra Technologies'ten gelen DL-OCR sistemleri, kutudan çıkar çıkmaz yazı tiplerini okuyabilir ve algoritmanın yeni görüntüler ve örneklerle eğitilmesiyle birlikte yeni yazılım sürümleri için daha fazla öğrenmeye devam edecektir. Bu uçtan uca öğrenme yaklaşımı, açıkça özellik çıkarımı gereksinimini ortadan kaldırarak sistemi çeşitli yazı tiplerine, dillere ve stillere daha uyumlu hale getirir (Şekil 5). Geleneksel OCR sistemleri, uygulanması daha az esnek ve sürdürülmesi zaman alıcı olabilen el yapımı özellikler gerektirir.