blog

前回:「PDFから表の画像を取り出してDataFrameにする」 では文字認識にOCRライブラリである Tesseract を使った。

今回は PyTorch を使う。

前回Tesseractを使ったのだが文字ごとに個別の前処理(フィルタ)を実装するのが面倒だった。

tesstrain を使ってTesseractをTrainingするというアイデアもあったのだが、PyTorchに興味があるので使ってみる。

私 …

Read more...

前提

ライブラリのインストール

PyMuPDFのインストール

$ cd [poetryで初期化したプロジェクトディレクトリ]
$ poetry add …

Read more...