OCR Handwriting Recognition avec EasyOCR

Ce projet propose une solution simple de reconnaissance d'écriture manuscrite (Handwriting Recognition) à partir d'images, en utilisant la bibliothèque EasyOCR. Il s'appuie sur un notebook Python pour illustrer toutes les étapes, de l'import des images à l'affichage des résultats.

L'objectif est de détecter et de lire automatiquement du texte manuscrit présent sur des images, en exploitant la puissance d'EasyOCR, une librairie open-source performante pour l'OCR multilingue.

• Python 3.7 ou supérieur
• Les bibliothèques suivantes :
  • easyocr
  • supervision
  • opencv-python (cv2)
  • numpy
  • matplotlib

Vous pouvez installer les dépendances principales avec :

pip install easyocr supervision opencv-python numpy matplotlib

1. Ouvrez le notebook im_pro_easyOcr.ipynb dans Jupyter Notebook, JupyterLab ou PyCharm.
2. Suivez les étapes du notebook :
   • Import des bibliothèques
   • Initialisation du modèle EasyOCR
   • Lecture et affichage d'images
   • Extraction et affichage du texte reconnu

• Chargement d'un modèle EasyOCR pré-entraîné pour l'anglais
• Lecture de texte sur des images (exemples : unnamed.png, sample1.jpeg)
• Affichage des résultats sous forme de liste de textes détectés
• Visualisation des images traitées

['SERIAL NUMBER AOC1715821', 'PART NUMBER 9-00864-01']
['because be doing']

• Le notebook fonctionne sur CPU, mais l'utilisation d'un GPU est recommandée pour de meilleures performances.
• Pour une utilisation sur Google Colab, adaptez l'affichage des images avec cv2_imshow.

Projet réalisé dans le cadre d'une expérimentation sur la reconnaissance d'écriture manuscrite avec EasyOCR.