PaddleOCR文字检测、标注与识别详细记录

最新推荐文章于 2024-10-14 14:01:32 发布
最新推荐文章于 2024-10-14 14:01:32 发布
阅读量1.2k 收藏 10
点赞数 5
分类专栏： 程序员 文章标签： python 学习 面试
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_84140023/article/details/138922679
版权

最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~

给大家准备的学习资料包括但不限于：

Python 环境、pycharm编辑器/永久激活/翻译插件

python 零基础视频教程

Python 界面开发实战教程

Python 爬虫实战教程

Python 数据分析实战教程

python 游戏开发实战教程

Python 电子书100本

Python 学习路线规划

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

conda install paddlepaddle-gpu==2.2.2 cudatoolkit=11.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/ -c conda-forge

二、配置PaddleOCR

下载地址：(https://gitee.com/paddlepaddle/PaddleOCR

将其下载到本地，然后解压配置环境。

1、安装python包

1、yaml

pip install pyyaml

2、imgaug

pip install imgaug

3、pyclipper

pip install pyclipper

4、lmdb

pip install lmdb

5、Levenshtein

pip install Levenshtein

6、tqdm

pip install tqdm

2、测试环境

模型列表

| 模型简介 | 模型名称 | 推荐场景 | 检测模型 | 方向分类器 | 识别模型 |

| — | — | — | — | — | — |

| 中英文超轻量PP-OCRv2模型（13.0M） | ch_PP-OCRv2_xx | 移动端&服务器端 | 推理模型 / 训练模型 | 推理模型 / 预训练模型 | 推理模型 / 训练模型 |

| 中英文超轻量PP-OCR mobile模型（9.4M） | ch_ppocr_mobile_v2.0_xx | 移动端&服务器端 | 推理模型 / 预训练模型 | 推理模型 / 预训练模型 | 推理模型 / 预训练模型 |

| 中英文通用PP-OCR server模型（143.4M） | ch_ppocr_server_v2.0_xx | 服务器端 | 推理模型 / 预训练模型 | 推理模型 / 预训练模型 | 推理模型 / 预训练模型 |

选择上面的一组模型放入到inference文件夹中，注意：是一组，包括：监测模型、方向分类器、识别模型。如下：

PaddleOCR-release-2.4

└─inference

├─ch_PP-OCRv2_det_infer #检测模型

│ ├─inference.pdiparams

│ ├─inference.pdiparams.info

│ └─inference.pdmodel

├─ch_PP-OCRv2_rec_infer #识别模型

│ ├─inference.pdiparams

│ ├─inference.pdiparams.info

│ └─inference.pdmodel

└─cls #方向分类器

├─inference.pdiparams

├─inference.pdiparams.info

└─inference.pdmodel

image-20220413102909896

将待检测的图片放在./doc/imgs/文件夹下面，然后执行命令：

python tools/infer/predict_system.py --image_dir=“./doc/imgs/0.jpg” --det_model_dir=“./inference/ch_PP-OCRv2_det_infer/” --cls_model_dir=“./inference/cls/” --rec_model_dir=“./inference/ch_PP-OCRv2_rec_infer/” --use_angle_cls=true

然后在inference_results文件夹中查看结果，例如：

image-20220413103556318

如果能看到结果就说明环境是ok的。

更多的命令，如下：

使用方向分类器

python3 tools/infer/predict_system.py --image_dir=“./doc/imgs/00018069.jpg” --det_model_dir=“./inference/ch_PP-OCRv2_det_infer/” --cls_model_dir=“./inference/cls/” --rec_model_dir=“./inference/ch_PP-OCRv2_rec_infer/” --use_angle_cls=true

不使用方向分类器

python3 tools/infer/predict_system.py --image_dir=“./doc/imgs/00018069.jpg” --det_model_dir=“./inference/ch_PP-OCRv2_det_infer/” --rec_model_dir=“./inference/ch_PP-OCRv2_rec_infer/” --use_angle_cls=false

使用多进程

python3 tools/infer/predict_system.py --image_dir=“./doc/imgs/00018069.jpg” --det_model_dir=“./inference/ch_PP-OCRv2_det_infer/” --rec_model_dir=“./inference/ch_PP-OCRv2_rec_infer/” --use_angle_cls=false --use_mp=True --total_process_num=6

三、标注工具PPOCRLabel

===========================================================================

PPOCRLabel是一款适用于OCR领域的半自动化图形标注工具，内置PP-OCR模型对数据自动标注和重新识别。使用Python3和PyQT5编写，支持矩形框标注和四点标注模式，导出格式可直接用于PaddleOCR检测和识别模型的训练。

由于PaddleOCR已经包含PPOCRLabel，可以直接运行，命令如下：

cd ./PPOCRLabel # 切换到PPOCRLabel目录

python PPOCRLabel.py --lang ch

image-20220413104711288

点击自动标注后就能看到自动标注的结果，用户根据自己的需求微调和修改，非常简单。

更多的方式和注意事项，详见下面

1. 安装与运行

1.1 安装PaddlePaddle

pip3 install --upgrade pip

如果您的机器安装的是CUDA9或CUDA10，请运行以下命令安装

python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple

如果您的机器是CPU，请运行以下命令安装

python3 -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

更多的版本需求，请参照安装文档中的说明进行操作。

1.2 安装与运行PPOCRLabel

PPOCRLabel可通过whl包与Python脚本两种方式启动，whl包形式启动更加方便，python脚本启动便于二次开发

1.2.1 通过whl包安装与运行
Windows

pip install PPOCRLabel # 安装

PPOCRLabel --lang ch # 运行

注意：通过whl包安装PPOCRLabel会自动下载 paddleocr whl包，其中shapely依赖可能会出现 [winRrror 126] 找不到指定模块的问题。 的错误，建议从这里下载并安装

Ubuntu Linux

pip3 install PPOCRLabel

pip3 install trash-cli

PPOCRLabel --lang ch

MacOS

pip3 install PPOCRLabel

pip3 install opencv-contrib-python-headless==4.2.0.32 # 如果下载过慢请添加"-i https://mirror.baidu.com/pypi/simple"

PPOCRLabel --lang ch # 启动

如果上述安装出现问题，可以参考3.6节 错误提示

1.2.2 本地构建whl包并安装

cd PaddleOCR/PPOCRLabel

python3 setup.py bdist_wheel

pip3 install dist/PPOCRLabel-1.0.2-py2.py3-none-any.whl -i https://mirror.baidu.com/pypi/simple

1.2.3 通过Python脚本运行PPOCRLabel

如果您对PPOCRLabel文件有所更改，通过Python脚本运行会更加方面的看到更改的结果

cd ./PPOCRLabel # 切换到PPOCRLabel目录

python PPOCRLabel.py --lang ch

2. 使用

2.1 操作步骤

  1. 安装与运行：使用上述命令安装与运行程序。

  2. 打开文件夹：在菜单栏点击 “文件” - “打开目录” 选择待标记图片的文件夹[1].

  3. 自动标注：点击 ”自动标注“，使用PPOCR超轻量模型对图片文件名前图片状态[2]为 “X” 的图片进行自动标注。

  4. 手动标注：点击 “矩形标注”（推荐直接在英文模式下点击键盘中的 “W”)，用户可对当前图片中模型未检出的部分进行手动绘制标记框。点击键盘Q，则使用四点标注模式（或点击“编辑” - “四点标注”），用户依次点击4个点后，双击左键表示标注完成。

  5. 标记框绘制完成后，用户点击 “确认”，检测框会先被预分配一个 “待识别” 标签。

  6. 重新识别：将图片中的所有检测画绘制/调整完成后，点击 “重新识别”，PPOCR模型会对当前图片中的所有检测框重新识别[3]。

  7. 内容更改：双击识别结果，对不准确的识别结果进行手动更改。

  8. 确认标记：点击 “确认”，图片状态切换为 “√”，跳转至下一张。

  9. 删除：点击 “删除图像”，图片将会被删除至回收站。

  10. 导出结果：用户可以通过菜单中“文件-导出标记结果”手动导出，同时也可以点击“文件 - 自动导出标记结果”开启自动导出。手动确认过的标记将会被存放在所打开图片文件夹下的_Label.txt_中。在菜单栏点击 “文件” - "导出识别结果"后，会将此类图片的识别训练数据保存在_crop_img_文件夹下，识别标签保存在_rec_gt.txt_中[4]。

2.2 注意

[1] PPOCRLabel以文件夹为基本标记单位，打开待标记的图片文件夹后，不会在窗口栏中显示图片，而是在点击 “选择文件夹” 之后直接将文件夹下的图片导入到程序中。

[2] 图片状态表示本张图片用户是否手动保存过，未手动保存过即为 “X”，手动保存过为 “√”。点击 “自动标注”按钮后，PPOCRLabel不会对状态为 “√” 的图片重新标注。

[3] 点击“重新识别”后，模型会对图片中的识别结果进行覆盖。因此如果在此之前手动更改过识别结果，有可能在重新识别后产生变动。

[4] PPOCRLabel产生的文件放置于标记图片文件夹下，包括一下几种，请勿手动更改其中内容，否则会引起程序出现异常。

| 文件名 | 说明 |

| — | — |

| Label.txt | 检测标签，可直接用于PPOCR检测模型训练。用户每确认5张检测结果后，程序会进行自动写入。当用户关闭应用程序或切换文件路径后同样会进行写入。 |

| fileState.txt | 图片状态标记文件，保存当前文件夹下已经被用户手动确认过的图片名称。 |

| Cache.cach | 缓存文件，保存模型自动识别的结果。 |

| rec_gt.txt | 识别标签。可直接用于PPOCR识别模型训练。需用户手动点击菜单栏“文件” - "导出识别结果"后产生。 |

| crop_img | 识别数据。按照检测框切割后的图片。与rec_gt.txt同时产生。 |

3. 说明

3.1 快捷键

| 快捷键 | 说明 |

| — | — |

| Ctrl + shift + R | 对当前图片的所有标记重新识别 |

| W | 新建矩形框 |

| Q | 新建四点框 |

| Ctrl + E | 编辑所选框标签 |

| Ctrl + R | 重新识别所选标记 |

| Ctrl + C | 复制并粘贴选中的标记框 |

| Ctrl + 鼠标左键 | 多选标记框 |

| Backspace | 删除所选框 |

| Ctrl + V | 确认本张图片标记 |

| Ctrl + Shift + d | 删除本张图片 |

| D | 下一张图片 |

| A | 上一张图片 |

| Ctrl++ | 缩小 |

| Ctrl– | 放大 |

| ↑→↓← | 移动标记框 |

3.2 内置模型

  • 默认模型：PPOCRLabel默认使用PaddleOCR中的中英文超轻量OCR模型，支持中英文与数字识别，多种语言检测。

  • 模型语言切换：用户可通过菜单栏中 “PaddleOCR” - “选择模型” 切换内置模型语言，目前支持的语言包括法文、德文、韩文、日文。具体模型下载链接可参考PaddleOCR模型列表.

  • 自定义模型：如果用户想将内置模型更换为自己的推理模型，可根据自定义模型代码使用，通过修改PPOCRLabel.py中针对PaddleOCR类的实例化，通过修改PPOCRLabel.py中针对PaddleOCR类的实例化) 实现，例如指定检测模型：self.ocr = PaddleOCR(det=True, cls=True, use_gpu=gpu, lang=lang)，在 det_model_dir 中传入 自己的模型即可。

3.3 导出标记结果

PPOCRLabel支持三种导出方式：

  • 自动导出：点击“文件 - 自动导出标记结果”后，用户每确认过一张图片，程序自动将标记结果写入Label.txt中。若未开启此选项，则检测到用户手动确认过5张图片后进行自动导出。

默认情况下自动导出功能为关闭状态

  • 手动导出：点击“文件 - 导出标记结果”手动导出标记。

  • 关闭应用程序导出

3.4 导出部分识别结果

针对部分难以识别的数据，通过在识别结果的复选框中取消勾选相应的标记，其识别结果不会被导出。被取消勾选的识别结果在标记文件 label.txt 中的 difficult 变量保存为 True 。

注意：识别结果中的复选框状态仍需用户手动点击确认后才能保留

3.5 数据集划分

在终端中输入以下命令执行数据集划分脚本：

cd ./PPOCRLabel # 将目录切换到PPOCRLabel文件夹下

python gen_ocr_train_val_test.py --trainValTestRatio 6:2:2 --datasetRootPath …/train_data

参数说明：

  • trainValTestRatio 是训练集、验证集、测试集的图像数量划分比例，根据实际情况设定，默认是6:2:2

  • datasetRootPath 是PPOCRLabel标注的完整数据集存放路径。默认路径是 PaddleOCR/train_data 分割数据集前应有如下结构：

|-train_data

|-crop_img

|- word_001_crop_0.png

|- word_002_crop_0.jpg

|- word_003_crop_0.jpg

| …

| Label.txt

| rec_gt.txt

|- word_001.png

|- word_002.jpg

|- word_003.jpg

| …

3.6 错误提示

  • 如果同时使用whl包安装了paddleocr，其优先级大于通过paddleocr.py调用PaddleOCR类，whl包未更新时会导致程序异常。

  • PPOCRLabel不支持对中文文件名的图片进行自动标注。

  • 针对Linux用户：如果您在打开软件过程中出现**objc[XXXXX]**开头的错误，证明您的opencv版本太高，建议安装4.2版本：

pip install opencv-python==4.2.0.32

  • 如果出现 Missing string id 开头的错误，需要重新编译资源：

pyrcc5 -o libs/resources.py resources.qrc

  • 如果出现module 'cv2' has no attribute 'INTER_NEAREST'错误，需要首先删除所有opencv相关包，然后重新安装4.2.0.32版本的headless opencv

pip install opencv-contrib-python-headless==4.2.0.32

四、训练检测器

==================================================================

完成数据的标注就可以看是训练检测器了。找到Lable.txt,将其中一部分放到train_label.txt ，将一部分放到test_label.txt，将图片放到ppocr（这个文件夹的名字和标注时的图片文件夹的名字一致），如下：

image-20220413105738547

/PaddleOCR/train_data/icdar2015/text_localization/

└─ ppocr/ 图片存放的位置

└─ train_label.txt icdar数据集的训练标注

└─ test_label.txt icdar数据集的测试标注

如果路径不存在，请手动创建。

然后下载预训练模型，将其放到pretrain_models文件夹中，命令如下：

根据backbone的不同选择下载对应的预训练模型

下载MobileNetV3的预训练模型

wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/pretrained/MobileNetV3_large_x0_5_pretrained.pdparams

或，下载ResNet18_vd的预训练模型

wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/pretrained/ResNet18_vd_pretrained.pdparams

或，下载ResNet50_vd的预训练模型

wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/pretrained/ResNet50_vd_ssld_pretrained.pdparams

然后修改该config文件，路径： configs/det/det_mv3_db.yml，打开文件对里面的参数进行修改该。

image-20220413111032194

按照自己定义的路径，修改训练集的路径。

image-20220413111551032

按照自己定义的路径，修改验证集的路径。

image-20220413111820352

对BatchSize的修改。

完成上面的工作就可以启动训练了，在pycharm的Terminal中输入命令：

注意:在PaddleOCR的根目录执行命令。

单机单卡训练 mv3_db 模型

python tools/train.py -c configs/det/det_mv3_db.yml -o Global.pretrained_model=./pretrain_models/MobileNetV3_large_x0_5_pretrained

image-20220413112034514

更多的训练方式如下：

单机单卡训练 mv3_db 模型

python3 tools/train.py -c configs/det/det_mv3_db.yml \

-o Global.pretrained_model=./pretrain_models/MobileNetV3_large_x0_5_pretrained

如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

2401_84140023
关注
专栏目录
Paddle进阶实战系列（四）：基于PaddleOCR的体检报告识别
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
08-27 5511
基于PaddleOCR已在文字识别领域取得优秀成果，本项目基于PaddleOCR实现体检报告检测与识别，对数据进行结构化处理，结合CV+NLP技术达到一定识别精度，未来推广应用场景可以基于识别信息做个性化疾病预测与健康推荐。...
PaddleOCR识别框架解读[09] 文本识别--从训练到部署全流程
我是天才很好
03-08 415
PaddleOCR识别框架解读[09] 文本识别--从训练到部署全流程
PaddleOCR文字检测模型训练
BurningSilence
11-23 4258
PaddleOCR文字检测模型训练 本文档主要介绍PaddleOCR中文字检测模型的训练、评估及测试。 数据准备 自标注数据 将所有训练图片放在icdar_c4_train_imgs文件夹下，所有测试图片放在ch4_test_images目录下，以免多次标注产生多次修改代码问题。 将所有图片格式统一改成.jpg或者统一改成.png，目标为图片保持统一格式。 将标注生成的XML文件放在一个目录中，训练数据XML和测试数据XML分开。 然后执行下面的代码，把其中的xml_dir、train_file_nam
2024年最新新手掌握PaddleOCR使用（训练自己数据集与知识蒸馏）
hsling
09-11 4581
由于框架在不断迭代，最新版的指导希望能帮助新手掌握训练自己的数据集与知识蒸馏过程
PaddleOCR：文本检测/识别模型训练、模型推理实操
lythinking的博客
05-07 2436
🚀🌟基于（实用的超轻量级OCR系统，支持80多种语言识别，提供数据标注和合成工具，支持在服务器、移动、嵌入式和物联网设备之间训练和部署）
PaddleOCR中文文本检测任务
m0_63642362的博客
01-15 2668
PaddleOCR的现有算法在中文通用数据集det_data_lesson_demo上进行训练，评估模型精度以及部署C++推理模型。
PaddleOCR简单使用，识别文字测试
热门推荐
集电极
12-18 1万+
PaddleOCR初始简单使用，识别文字测试 1.环境 Windows10 python3.6 paddle 2.0 百度飞桨 代码 代码参考至https://blog.csdn.net/zaibeijixing/article/details/108753903 做了一下说明和微变 安装paddleocr库,直接pip安装即可，不用官方教程那么麻烦 pip install paddleocr 如果不是想用大型模型，现在paddleocr可以自行检测是否有模型，如果没有就下载轻量级模型 代码 fr
文字识别（OCR）专题——基于NCNN轻量级PaddleOCRv4模型C++推理
知来者逆的博客
12-01 8859
使用NCNN对paddle ocr v4进行推理，多平台兼容，可使用GPU。
PaddleOCR文字检测、标注与识别详细记录，2024年最新vivo研发面试
m0_61043185的博客
04-17 1055
Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
PaddleOCR modle.zip
09-07
- **CRNN模型**: 结合卷积神经网络（CNN）和循环神经网络（RNN），用于序列标注，适用于文字识别任务。 3. **模型训练与应用** 在解压后的“modle”文件中，通常会包含模型的权重文件和配置文件。权重文件记录了...
用Python写了一个图像文字识别OCR工具
HanHnnnn的博客
01-07 290
最近在技术交流群里聊到一个关于图像文字识别的需求，在工作、生活中常常会用到，比如票据、漫画、扫描件、照片的文本提取。 博主基于 PyQt + labelme + PaddleOCR 写了一个桌面端的OCR工具，用于快速实现图片中文本区域自动检测+文本自动识别。 识别效果如下图所示： 所有框选区域为OCR算法自动检测，右侧列表有每个框对应的文字内容；点击右侧“识别结果”中的文本记录，然后点击“复制到剪贴板”即可复制该文本内容。 功能列表 文本区域检测+文字识别 文.
PaddleOCR 文字检测/文字块检测的模型训练过程，DBnet的前处理和后处理流程损失函数
q742971636的博客
03-16 3867
该方法返回一个包含增强后的关键点的 imgaug.KeypointsOnImage 对象，然后将这些点的坐标转换回原始多边形的形式，最后返回增强后的多边形。首先，通过调用 crop_area 函数计算出一个合适的裁剪区域，该函数会根据输入的 all_care_polys 参数（即所有不被标记为忽略的文本框）和裁剪区域的最小边长比例 min_crop_side_ratio，随机生成多个裁剪区域并返回其中包含至少一个文本框的那个区域。增强器对象首先被转换为确定性的，然后对输入图像进行增强，返回增强后的图像。
快速使用PaddleOCR进行字符检测
HanWenKing的博客
08-08 731
OCR字符识别技术是一种将各种形式的文字信息从图像中提取出来的技术。它通过扫描或拍摄含有文字的图像，然后使用复杂的算法来分析和识别图像中的文字形状，最终将这些形状转换成可编辑的文本数据。图像预处理：首先，OCR技术会对输入的图像进行预处理，去除噪点、调整对比度、二值化等，使得文字更加清晰，便于后续识别。这就像是将一张模糊的照片进行编辑，使其变得更加清晰。文字检测：接下来，OCR技术会在处理后的图像中检测文字区域。这就像是用放大镜在图片上寻找文字所在的位置，将它们一一标记出来。
PaddleOCR：超越人眼识别率的AI文字识别神器
m0_59596937的博客
12-12 6907
PaddleOCR是一个可以识别图片中文字的工具，可以将图片中的文字转换成电脑可以认识的文字。简单来说，它的原理是使用深度学习技术，通过训练模型来识别图片中的文字。具体来说，它会通过一系列处理，比如缩放、灰度化、去噪等操作，来提高文字识别的准确率。然后，它会使用深度学习模型来检测图片中的文字区域，并将其转换成电脑可以识别的边界框。最后，它会使用另一个深度学习模型来识别边界框中的文字，并将其转换成电脑可以识别的文字。这样，就可以实现将图片中的文字转换成电脑可以识别的文字的功能了。
从零开始使用最新版Paddle【PaddleOCR系列】——第一部分：文本检测和识别模型的环境安装与基础使用
最新发布
qq_58718853的博客
10-14 1435
本篇记录最新Paddle的OCR系列环境配置和基本的使用方式
PaddleOCR识别框架解读[07] 文本检测--从训练到部署全流程
我是天才很好
03-08 236
PaddleOCR识别框架解读[07] 文本检测--从训练到部署全流程
使用paddleocr进行文字识别
weixin_48381563的博客
05-11 637
paddleocr文字识别
如何使用Python和PaddleOCR轻松识别图片中的文字
FLK_9090的博客
06-24 2247
设置 PaddleOCR 日志级别为 ERRORtry:print(Fore.RED + '权限错误:' + Style.RESET_ALL)exit()print(Fore.RED + '图片路径错误:' + Style.RESET_ALL, self.img_path)exit()dic = {}path = r'' # 这里换成需要图区文本的图片链接即可，如不修改则使用默认图片if path:print('=' * 30, '提取用户上传图片文本', '=' * 30)
PaddleOCR文字识别命令
09-30
PaddleOCR是一个基于深度学习的开源OCR（Optical Character Recognition，光学字符识别）库，它由百度飞桨开发。使用PaddleOCR进行文字识别通常涉及以下几个步骤的命令行操作： 1. 安装PaddleOCR：首先需要安装PaddleOCR及其依赖，可以使用pip进行安装： ``` pip install paddlepaddle-cpu paddleocr ``` 2. 准备数据集：你需要准备一些带有标注的文字图像数据，PaddleOCR支持多种格式的数据输入。 3. 运行识别：对于单张图片识别，你可以使用`paddleocr`命令行工具，例如： ``` python tools/infer/predict_system.py -i <image_path> --use_angle_cls True ``` 其中，`<image_path>`是你要识别的图片路径，`--use_angle_cls True`表示启用角度校正。 4. 配置模型：PaddleOCR提供了多种预训练模型，如CCNet、CRNN等，通过修改配置文件（如config.yml）可以选择合适的模型。 5. 测试效果：识别完成后，会输出识别的结果，你可以查看识别出的文字内容。 注意：每个版本的PaddleOCR可能会有细微的变化，所以在使用前建议查阅最新的官方文档或教程。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值