目录
一、更新概述
二、环境安装
1.基础环境配置
2.模型参数下载
3.参数地址配置——settings.py
三、指令使用
1.命令指令运行
一、更新概述
surya项目Github地址:https://github.com/VikParuchuri/surya
号称今年最强OCR的surya近期迎来新的更新,Vik大佬更新了表格检测的模型。
最新surya——0.6.1版本的识别效果如下。现在还可以识别文章阅读的行文顺序,对表格内的数字信息也可以很好的提取。
二、环境安装
1.基础环境配置
在之前使用surya的0.3.0版本中使用的是torch1.12.1,更新后的surya的0.6.0版本需要更高的torch环境,因此需要重新创建虚拟环境,并安装高于2.3.0的Pytorch。
此处python版本虽然官方文档说和0.3.0版本一样3.9+即可,但使用3.9会红字报错,因为一些代码使用和书写规范在3.9后发生改变,最好使用版本在3.10+以上,如果坚持使用3.9,按下面使用部分报错修改处,处理源码。
# 创建虚拟conda环境
conda create -n surya0.6 python=3.10
# 激活环境
conda activate surya0.6
# 安装更高版本pytorch
pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cu118
# 或者官网稳定版2.4.1
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
## cpu版本
pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cpu
pytorch安装好了以后直接pip安装最新版surya即可。在编写此文时最新版的为0.6.1版本。(注意此处不要直接选择安pip install surya-ocr,这是因为最新版本0.6.11要求torch2.5.0,会自动卸载安装的2.4.0版本torch。想要使用表格等功能使用0.6.1版本即可)
# 安装0.6.1版本surya(包含表格识别和文本排序)
pip install surya-ocr==0.6.1
最好将其最新的源码也下载下来,方便后续项目的查看和调试。
Github地址Surya:https://github.com/VikParuchuri/surya
2.模型参数下载
和之前一样如果想直接使用surya需要有良好的“科学上网”配置,因为源码或安装库里面都不直接下载好的了模型参数,第一次使用会到huggingface下载对应模型参数。
因此有两种解决办法,一是使用huggingface的国内镜像网站hf-mirror;或者提前下载好模型参数到项目目录,在设置中修改模型地址。本文选择后者。
huggingface作者surya模型参数保存地址:https://huggingface.co/vikp
(推荐)国内hugging-mirror镜像地址:https://hf-mirror.com/models?search=vikp
下载好的模型参数可以在surya源码下载处新建一个huggingmodel子文件夹,下存放各种模型参数。
3.参数地址配置——settings.py
推荐将模型下载到本地后,再在surya项目环境安装包源码处修改全局参数中关于模型加载地址部分,这样更不容易报错。
首先打开在conda中安装的虚拟环境文件夹地址,在以下文件路径中。所有安装在虚拟环境中的库都在此路径下。
miniconda\envs\surya0.6\Lib\site-packages
在所有安装库中找到surya名称的文件,再打开就可以看到settings.py文件了。
根据之前源码拆解博文修改其中的模型配置参数。
博文快速链接:https://blog.csdn.net/qq_58718853/article/details/137815688
三、指令使用
1.命令指令运行
有了上述环境准备后,可以直接使用指令快速使用。只需将实际本地图片地址替换下方Data_Path即可。
# ocr文本检测识别
surya_ocr Data_Path
# detect文本行检测
surya_detect Data_Path
# layout板式分析
surya_layout Data_PATH
# table表格检测
surya_table Data_PATH
# order文本阅读顺序
surya_order Data_PATH
首先实验一下检测模型(只需要surya_det3)是否可以使用。结果会在项目项新建一个results文件夹。
再来测试一下ocr模型。(需要surya_det3和surya_rec2模型)
还有表格模型。(需要surya_rec2和surya_layout3和surya_tablerec模型)
2.可视化结果
只需在上述命令行指令后面加上“--images”即可完成可视化保存。
# 可视化保存
surya_detect DataPath --images
本文随意截取了两张csdn界面的图像,使用surya进行识别检测测试。
文本行检测模型可视化结果如下。其检测框似乎还不错,至少有95%以上的正确框。
板式分析layout模型检测效果如下。
表格检测模型效果如下。