Tutorial Lengkap Finetuning EasyOCR untuk Dataset Custom

EasyOCR adalah library OCR (Optical Character Recognition) open-source yang powerful dan mendukung lebih dari 80 bahasa. Namun, untuk kasus penggunaan spesifik seperti font khusus, dokumen historis, handwriting, atau format dokumen yang unik, finetuning model EasyOCR bisa meningkatkan akurasi secara signifikan.

Dalam tutorial ini, kita akan mempelajari cara melakukan finetuning EasyOCR dari awal hingga evaluasi model.

Prasyarat

Sebelum memulai, pastikan Anda memiliki:

• Python 3.7+ (disarankan Python 3.8 atau 3.9)
• GPU dengan CUDA support (sangat direkomendasikan, minimal 8GB VRAM)
• Minimal 16GB RAM sistem
• Dataset gambar teks dengan label ground truth (minimal 1000 samples untuk hasil baik)
• Disk space minimal 10GB untuk model dan dataset

Instalasi dan Setup Environment

1. Clone Repository EasyOCR

# Clone repository
git clone https://github.com/JaidedAI/EasyOCR.git
cd EasyOCR

Checkout ke branch stable (opsional)
git checkout v1.7.0

2. Setup Virtual Environment

# Buat virtual environment
python -m venv easyocrenv


Aktivasi
Untuk Linux/Mac:
source easyocrenv/bin/activate
Untuk Windows:
easyocrenv\Scripts\activate

# Install PyTorch dengan CUDA support
Sesuaikan versi CUDA dengan sistem Anda
pip install torch==2.0.1 torchvision==0.15.2 --index-url https://download.pytorch.org/whl/cu118

Install requirements EasyOCR
pip install -r requirements.txt

Install dependencies tambahan untuk training
pip install tensorboard
pip install lmdb
pip install pillow
pip install opencv-python
pip install albumentations
pip install python-Levenshtein

import torch
print(f"PyTorch version: {torch.version}")
print(f"CUDA available: {torch.cuda.isavailable()}")
print(f"CUDA version: {torch.version.cuda}")
print(f"GPU count: {torch.cuda.devicecount()}")

if torch.cuda.isavailable():
    print(f"GPU name: {torch.cuda.getdevicename(0)}")

Persiapan Dataset

Dataset adalah komponen paling penting dalam finetuning. Kualitas dan kuantitas dataset sangat mempengaruhi hasil akhir.

1. Struktur Folder Dataset

Buat struktur folder seperti ini:

dataset/
├── raw/
│   ├── train/
│   │   ├── img001.jpg

│   │   ├── img002.jpg
│   │   └── ...
│   ├── validation/
│   │   ├── img001.jpg

│   │   └── ...
│   └── test/
│       ├── img001.jpg
│       └── ...
├── labels/
│   ├── trainlabels.txt

│   ├── vallabels.txt
│   └── testlabels.txt

└── lmdb/
    ├── train/
    └── validation/

img001.jpg	Hello World
img002.jpg	Invoice #12345
img003.jpg	Total: $1,250.00

img004.jpg	PT Rubythalib Data Konsulta

Setiap baris berisi:

• Nama file gambar
• Tab character (\t)
• Teks ground truth

• Gambar harus jelas dan readable
• Minimal resolusi 64x256 pixels
• Variasi font, ukuran, dan style
• Berbagai kondisi pencahayaan
• Include noise dan distorsi realistis
• Balanced character distribution

3. Script Preprocessing Dataset

Buat file preparedataset.py:

import os
import cv2
import numpy as np
from PIL import Image
from pathlib import Path

def preprocessimage(imagepath, outputpath):
    """
    Preprocessing gambar untuk training OCR
    """
    # Baca gambar
    img = cv2.imread(str(imagepath))


    if img is None:
        print(f"Error reading {imagepath}")
        return False

    # Convert ke grayscale
    gray = cv2.cvtColor(img, cv2.COLORBGR2GRAY)


    # Noise reduction