Построить базовый алгоритм распознавания текста из документов. Создать алгоритм распознования ФИО с паспорта.
Мое решение можно посмотреть в main.ipynb
Попробовал две библиотеке для распознавания текста: pytesseract и easyocr. В итоге, остановился на easyocr, работает лучше.
Для распознавания ФИО использовал относительно простой алгоритм. Обрезал фото, так чтобы было видно только ФИО и потом прогонял через easyocr.
Также пробовал использовать natasha и nltk, результат был плохим.
update1: собрал небольшой датасет из фотографий паспартов и в ручную разметил(с помощью сервиса makesense.ai). После обучил yolov5 на 200 эпох. Модель детектирует не мега хорошо, так как обучал на совсем маленьком количестве фотографий. Модель детектирует ФИО и после можно вырезать имя из фото и прогонять через easyocr. Решение этой части находится в FIO_detection.ipynb
Стоит собрать датасет из снимков главной страницы паспорта и обучить собственную модель.
Также стоит обучить отдельную модель для детекции ФИО и потом уже использовать алгоритмы ocr.
https://github.com/madmaze/pytesseract
https://github.com/JaidedAI/EasyOCR
https://github.com/natasha/natasha
https://github.com/nltk/nltk
https://github.com/wlinna/russian-ocr