计算OCR精度

Question

我需要计算OCR字符的准确性。

样地值：

Non sinking ship is friendship

示例ocr值输入

non singing ship is finedship

令人关切的领域是：

1. 遗漏字符
2. 额外字符
3. 错位字符

字符准确性是由实际字符的数量定义的，其位置除以实际字符的总数。

我需要一个python脚本来找到这种准确性。我的初步实施如下：

ground_value = "Non sinking ship is friendship"
ocr_value = "non singing ship is finedship"
ground_value_characters = (re.sub('\s+', '',
                                      ground_value)).strip()  # remove all spaces from the gr value string
    ocr_value_characters = (re.sub('\s+', '',
                                   ocr_value)).strip()  # remove all the spaces from the ocr string 

 total_characters = float(len(
        ground_value_characters))  

def find_matching_characters(ground, ocr):
  total = 0
  for char in ground:
    if char in ocr:
      total = total + 1
      ocr = ocr.replace(char, '', 1)
  return total

found_characters = find_matching_characters(ground_value_characters,
                                                ocr_value_characters)

accuracy = found_characters/total_characters

我没能得到我想要的。任何帮助都将不胜感激。

Answer 1

如果您还没有这个精确的定义(或者您正在并想深入研究的细节)，那么我将这样解决这个问题：

pip install python-Levenshtein

from Levenshtein import distance

ground_value = "Non sinking ship is friendship"
ocr_value = "non singing ship is finedship"

print(distance(ground_value, ocr_value))

同样的图书馆会以一种相对高性能的方式给出哈明距离、操作码和类似的功能。

如果这是一个家庭作业作业，或者您在这里的目的是学习如何实现字符串算法，那么所有这些都不会有用，但是如果您只需要一个好的度量，这就是我将要使用的。

Answer 2

您可以使用SequenceMatcher。它给了你想要的，

from difflib import SequenceMatcher

ground_value = "Non sinking ship is friendship"
ocr_value = "non singing ship is finedship"

sm = SequenceMatcher(None, ocr_value, ground_value)
true_positive_char_num = 0
for tag, i1, i2, j1, j2 in sm.get_opcodes():
  if tag== 'equal':
    true_positive_char_num += (j2 - j1)
  else:
    pass

print(f'accuracy = {true_positive_char_num/len(ground_value)}')

accuracy = 0.8666666666666667

在这里，我们首先创建SequenceMatcher对象并使用get_opcodes()方法，该方法给出了如何将预测转化为实际真值的详细信息。要计数真正的字符，我们只使用“相等”标记。

有关更多详细信息，请参阅https://docs.python.org/3/library/difflib.html#sequencematcher-objects。