Surya OCR

Surya OCR, belge düzeyinde çok dilli optik karakter tanıma (OCR) için geliştirilmiş modern bir yapay zeka modelidir. 90'dan fazla dili destekleyen bu yüksek performanslı model, Donut mimarisini temel alan encoder-decoder yapısı kullanır. Swin Transformer encoder ile görüntü özelliklerini çıkarır ve mBART decoder ile metin üretimi yapar. Geleneksel OCR sistemlerinden farklı olarak derin öğrenme tabanlı uçtan uca bir mimari benimser ve karmaşık belge düzenlerinde üstün performans gösterir.

Surya'nın mimarisi, transformer tabanlı bir metin tanıma modülü ve gelişmiş bir sayfa düzeni analiz (layout analysis) modülü içermektedir. Sayfa düzeni analizi, belgedeki metin blokları, tablolar, başlıklar, dipnotlar, resim altı yazıları ve görseller gibi farklı öğeleri otomatik olarak tespit eder ve sınıflandırır. Bu sayede kullanıcı, belgenin yapısal bilgisini de elde eder ve metin çıktısı belgenin orijinal formatını yansıtır. Çok sütunlu gazete sayfaları, karmaşık tablo yapıları, iç içe geçmiş listeler ve karışık düzenli akademik makaleler başarıyla işlenebilir. Metin satırı tespiti (line detection) modülü, eğik ve döndürülmüş metinleri de doğru şekilde tanıyabilir.

Model, Latin, Kiril, Arap, Çin, Japon, Kore ve Hint alfabeleri dahil birçok yazı sistemini tanıyabilir. Bu geniş dil ve alfabe desteği, uluslararası belge işleme, arşiv dijitalleştirme ve çok dilli içerik yönetimi projelerinde büyük avantaj sağlar. Türkçe karakter tanıma performansı, özel karakterler (ç, ğ, ı, ö, ş, ü) dahil yüksek doğruluk oranlarına sahiptir ve Osmanlıca belge dijitalleştirme çalışmalarında da kullanılabilir.

Surya OCR, ICDAR benchmark'larında rekabetçi sonuçlar elde eder ve Google Cloud Vision, AWS Textract gibi ticari çözümlerle karşılaştırılabilir performans gösterir. Tesseract gibi geleneksel OCR araçlarına kıyasla özellikle el yazısı tanıma, düşük çözünürlüklü taramalar ve karmaşık düzenlerdeki performansı belirgin şekilde üstündür. PDF, görüntü dosyaları (JPEG, PNG, TIFF, WebP) ve taranmış belgeler üzerinde çalışır ve giriş formatından bağımsız olarak tutarlı kalite sunar.

Açık kaynak olarak GitHub üzerinden erişilebilen Surya OCR, pip ile kolayca kurulabilir ve Python API'si üzerinden programatik olarak kullanılabilir. CLI aracı ile toplu belge işleme destekler ve büyük arşivlerin otomatik dijitalleştirilmesi için batch processing pipeline'ı sunar. JSON ve hOCR formatlarında yapılandırılmış çıktı üretir, bu da arama motorları, belge yönetim sistemleri ve downstream uygulamalarla entegrasyonu kolaylaştırır. GPU üzerinde hızlı çıkarım yaparken CPU üzerinde de makul performans sunar.

Belge dijitalleştirme, arşiv tarama, fatura işleme, sözleşme analizi, tıbbi kayıt dökümü, hukuki belge işleme ve erişilebilirlik uygulamaları için ideal bir çözüm olan Surya OCR, araştırmacılar, geliştiriciler ve belge işleme otomasyonu ihtiyacı olan kuruluşlar için güçlü ve ücretsiz bir alternatif sunar. Kütüphane ve arşiv dijitalleştirme projelerinde tarihi belgelerin korunması, muhasebe departmanlarında fatura ve makbuzların otomatik işlenmesi ve hukuk bürolarında sözleşme analizi gibi profesyonel senaryolarda aktif olarak kullanılmaktadır.

Aktif geliştirici topluluğu ve düzenli güncellemeler sayesinde model sürekli iyileştirilmekte, yeni dil ve alfabe desteği eklenmektedir. Surya OCR, ticari OCR çözümlerine güçlü ve ücretsiz bir açık kaynak alternatif sunarak belge işleme teknolojisinin demokratikleşmesine katkıda bulunmaktadır. Modelin gelecek sürümlerinde el yazısı tanıma performansının artırılması, tablo çıkarma yeteneklerinin geliştirilmesi ve daha fazla yazı sistemi desteği hedeflenmektedir.