搭建基于飞桨的OCR工具库，总模型仅8.6M的超轻量级中文OCR，单模型支持中英文数字组合识别、竖排文本识别、长文本识别的PaddleOCR

介绍

• 基于飞桨的OCR工具库，包含总模型仅8.6M的超轻量级中文OCR，单模型支持中英文数字组合识别、竖排文本识别、长文本识别。同时支持多种文本检测、文本识别的训练算法。

相关链接

• PaddleOCR项目地址
• 飞桨开源深度学习平台
• 效果展示页面
• 中文OCR在线体验地址
• 中文OCR模型快速使用

特性

• 超轻量级中文OCR模型，总模型仅8.6M
  • 单模型支持中英文数字组合识别、竖排文本识别、长文本识别
  • 检测模型DB（4.1M）+识别模型CRNN（4.5M）
• 实用通用中文OCR模型
• 多种预测推理部署方案，包括服务部署和端侧部署
• 多种文本检测训练算法，EAST、DB
• 多种文本识别训练算法，Rosetta、CRNN、STAR-Net、RARE
• 可运行于Linux、Windows、MacOS等多种系统

算法介绍

文本检测算法

• EAST
• DB

文本识别算法

• CRNN
• Rosetta
• STAR-Net
• RARE

文档教程

快速安装

   准备工作

• 快速安装  提炼最核心的代码，此处仅仅使用最简单的CPU的方式进行安装，使用GPU的方式遇到了一些问题，需要解决
• 切换到工作目录下面 cd /home/Projects  只要是自己可以记住的文件夹就可以
• 如果先前没有安装过docker的需要先安装docker 不同系统的命令不一样，此处以centos为例子，yum install docker
• docker相关简单命令 参考 我的博客 ，需要执行 docker -v 验证docker是否安装成功，如果安装成功，执行service docker start的命令，启动docker，然后才可以执行下面的命令

（建议）准备docker环境

• 第一次使用这个镜像，会自动下载该镜像，请耐心等待
• 在CPU环境下使用docker，使用docker而不是nvidia-docker创建docker

sudo docker run --name ppocr -v $PWD:/paddle --network=host -it hub.baidubce.com/paddlepaddle/paddle:latest-gpu-cuda9.0-cudnn7-dev /bin/bash

• 小提示

# ctrl+P+Q可退出docker，重新进入docker使用如下命令
sudo docker container exec -it ppocr /bin/bash

• 然后就会进行镜像的拉取操作，通过docker images检查是否加载了下载的镜像

docker images

• 执行docker images后如果有下面的输出，则证明拉取镜像成功
• hub.baidubce.com/paddlepaddle/paddle latest-gpu-cuda9.0-cudnn7-dev f56310dcc829

更改python3默认版本

• docker中的python默认使用python3.5，PaddleOCR需要在Python3.7下执行（该版本下，对于第三方依赖库的兼容性更好一些）。进入docker后，可以编辑/etc/profile文件，但是你会发现docker镜像里面没有vim等编辑工具
• 先执行apt-get update命令，同步 /etc/apt/sources.list 和 /etc/apt/sources.list.d 中列出的源的索引，这样才能获取到最新的软件包，这个时候系统由先前的centos使用yum换成了apt-get内核
• 等更新完毕以后再敲命令：apt-get install vim，安装vim
• 这次再编辑/etc/profile，在文件末尾添加

alias python3=python3.7
alias pip3=pip3.7

• 保存之后，使用source /etc/profile命令使设置的默认Python生效

安装PaddlePaddle Fluid v1.7

• 更新pip，使用命令pip3 install --upgrade pip
• 如果您的机器是CPU，请运行以下命令安装

python3 -m pip install paddlepaddle==1.7.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

克隆PaddleOCR repo代码

git clone https://github.com/PaddlePaddle/PaddleOCR

安装第三方库

cd PaddleOCR
pip3 install -r requirments.txt

中文OCR模型快速使用

 inference模型下载

• 参考文档

•  模板样例

mkdir inference && cd inference
# 下载检测模型并解压
wget {url/of/detection/inference_model} && tar xf {name/of/detection/inference_model/package}
# 下载识别模型并解压
wget {url/of/recognition/inference_model} && tar xf {name/of/recognition/inference_model/package}
cd ..

• 以超轻量级模型为例

mkdir inference && cd inference
# 下载超轻量级中文OCR模型的检测模型并解压
wget https://paddleocr.bj.bcebos.com/ch_models/ch_det_mv3_db_infer.tar && tar xf ch_det_mv3_db_infer.tar
# 下载超轻量级中文OCR模型的识别模型并解压
wget https://paddleocr.bj.bcebos.com/ch_models/ch_rec_mv3_crnn_infer.tar && tar xf ch_rec_mv3_crnn_infer.tar
cd ..

• 解压完毕后应有如下文件结构：

验证结果

• 需要在home/PaddleOCR文件夹下面执行这些命令

单张图片

• 以下代码实现了文本检测、识别串联推理，在执行预测时，需要通过参数image_dir指定单张图像或者图像集合的路径、参数det_model_dir指定检测inference模型的路径和参数rec_model_dir指定识别inference模型的路径。可视化识别结果默认保存到 ./inference_results 文件夹里面

# 预测image_dir指定的单张图像
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/11.jpg" --det_model_dir="./inference/ch_det_mv3_db/"  --rec_model_dir="./inference/ch_rec_mv3_crnn/"

# 预测image_dir指定的图像集合
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/" --det_model_dir="./inference/ch_det_mv3_db/"  --rec_model_dir="./inference/ch_rec_mv3_crnn/"

# 如果想使用CPU进行预测，需设置use_gpu参数为False
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/11.jpg" --det_model_dir="./inference/ch_det_mv3_db/"  --rec_model_dir="./inference/ch_rec_mv3_crnn/" --use_gpu=False

• 更为详细的内容请参见官网

Q&A

• 参考网址
• 关于推理速度
  图片中的文字较多时，预测时间会增加，可以使用--rec_batch_num设置更小预测batch num，默认值为30，可以改为10或其他数值。

• 超轻量模型和通用OCR模型的区别
  目前PaddleOCR开源了2个中文模型，分别是8.6M超轻量中文模型和通用中文OCR模型。两者对比信息如下：

  • 相同点：两者使用相同的算法和训练数据；
  • 不同点：不同之处在于骨干网络和通道参数，超轻量模型使用MobileNetV3作为骨干网络，通用模型使用Resnet50_vd作为检测模型backbone，Resnet34_vd作为识别模型backbone，具体参数差异可对比两种模型训练的配置文件.