Paddle OCR 安装使用教程

news2024/10/7 16:27:00

简介

PaddleOCR是飞浆开源文字识别模型，最新开源的超轻量PP-OCRv3模型大小仅为16.2M。同时支持中英文识别；支持倾斜、竖排等多种方向文字识别；支持GPU、CPU预测，并且支持使用paddle开源组件训练自己的超轻量模型，对于垂直领域的需求有很大帮助。

使用教程

环境安装

说明：官方推荐使用python3.7以上版本，但是在实际安装使用中发现python3.8更稳定，如果本地python安装包过多，推荐使用Anaconda来进行python包管理，避免包冲突。
Anaconda下载：
地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D
按需下载自己需要的版本

安装程序运行所需库

安装paddle
```
pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
```
默认安装CPU版本，安装paddle时建议使用百度源,若需要安装GPU版本，则请打开paddle官网选择适合的版本.

paddle官网：https://www.paddlepaddle.org.cn/
由于安装GPU版本需要先配置好CUDA和cudnn，建议有一定基础后再安装GPU版本
安装paddlehub
```
pip install paddlehub -i https://mirror.baidu.com/pypi/simple
```
paddlehub介绍文档：https://github.com/PaddlePaddle/PaddleHub/blob/release/v2.1/README_ch.md

对于Windows环境用户：直接通过pip安装的shapely库可能出现找不到指定模块的问题。建议从下方地址下载shapely安装包完成安装
https://www.lfd.uci.edu/~gohlke/pythonlibs/#shapely

安装ocr模型
```
 hub install ch_pp-ocrv3==1.2.0
```
模型名称 ch_pp-ocrv3
网络 Differentiable Binarization+SVTR_LCNet
数据集 icdar2015数据集
是否支持Fine-tuning 否
模型大小 13M
最新更新日期 2022-05-11

其它模型： chinese_ocr_db_crnn_server、PP-OCR、PP-OCRv2

模型名称	ch_pp-ocrv3
网络	Differentiable Binarization+SVTR_LCNet
数据集	icdar2015数据集
是否支持Fine-tuning	否
模型大小	13M
最新更新日期	2022-05-11

模型调用

命令行预测

hub run ch_pp-ocrv3 --input_path "/PATH/TO/IMAGE"

python代码示例
```
import paddlehub as hub
import cv2

img_path = r'C:\Users\26414\Downloads\test.jpg'

ocr = hub.Module(name="ch_pp-ocrv3", enable_mkldnn=True)       # mkldnn加速仅在CPU下有效
result = ocr.recognize_text(images=[cv2.imread(img_path)])

# or 传递文件地址调用
# result = ocr.recognize_text(paths=[img_path])
```
注： img_path路径中不能包含中文字符，opencv不支持中文路径

参数
- paths (list[str]): 图片的路径；
- images (list[numpy.ndarray]): 图片数据，ndarray.shape 为 [H, W, C]，BGR格式；
- use_gpu (bool): 是否使用 - GPU；若使用GPU，请先设置CUDA_VISIBLE_DEVICES环境变量
- box_thresh (float): 检测文本框置信度的阈值；
- text_thresh (float): 识别中文文本置信度的阈值；
- angle_classification_thresh(float): 文本角度分类置信度的阈值
- visualization (bool): 是否将识别结果保存为图片文件；
- output_dir (str): 图片的保存路径，默认设为 ocr_result；
- det_db_unclip_ratio: 设置检测框的大小；
返回
- res (list[dict]): 识别结果的列表，列表中每一个元素为 dict，各字段为：
  - data (list[dict]): 识别文本结果，列表中每一个元素为 dict，各字段为： - text(str): 识别得到的文本 - confidence(float): 识别文本结果置信度 - text_box_position(list): 文本框在原图中的像素坐标，4*2的矩阵，依次表示文本框左下、右下、右上、左上顶点的坐标如果无识别结果则data为[]
  - save_path (str, optional): 识别结果的保存路径，如不保存图片则save_path为’’

效果展示

测试图片
结果展示

参考文档
paddle ocr官方地址： https://www.paddlepaddle.org.cn/hubdetail?name=ch_pp-ocrv3&en_category=TextRecognition
paddle ocr GitHub地址： https://github.com/PaddlePaddle/PaddleHub
在线体验地址： https://www.paddlepaddle.org.cn/hub/scene/ocr