图像的自动文本识别 (OCR)

Question

我想从包装标签Sample Nutrient label 中识别营养信息。这是一个包装图像，不同品牌的标签样式/布局可能不同。但我肯定知道一些事情，布局会有点像标题中的某些关键词，比如“营养”，表格的内容会有一些常用词，比如能量/脂肪等。我想提取这些值文本表单并将其保存到我的数据库中。

示例图像是一个更大问题的一部分，寻找可能包含此部分“营养标签”的轮廓/框。

据我了解，它们是 3 个广泛的步骤。

1. 扫描输入图像（产品正面/背面/侧面图像）以寻找可能是包含这些营养信息的目标轮廓的最佳轮廓
2. 转到此轮廓并执行 OCR（可能保留布局信息，而不是在 1 行中输出所有内容）
3. 扫描文本并查找所需信息。

我是图像识别的初学者。这将是一个很大的帮助，

1. 如果我能得到关于我的方法的反馈。例如，我应该在 Image 中查找文本还是收集相似的图像并训练模型然后进行分类？类似于执行人脸识别。
2. 如果有人已经解决了这个问题，最好能得到一些指点（重新发明轮子并不好玩）。
3. 如果它是一个研究问题，那么我可以参考相关的代码/库/指针/类似的 SO 问题。

如果答案不是一般性的，那将是非常可观的（比如执行特征提取，我不知道什么是特征提取，而是一个示例代码指针会很棒。）

感谢您的时间和帮助。

谢谢 查哈特

Answer 1

1. 需要收集至少 200-300 张图像才能进行充分的训练。

2/3。我确实解决了这个问题，但它不是使用免费的解决方案完成的，所以我不应该在这里给出指示。