参加了某度的线上直播,主播系统介绍了paddleOCR产品,感觉凶得很啊。
找台带显卡的服务器+docker+nviidia-docker,就能跑测试样例。
官方文档:
环境配置:https://github.com/PaddlePaddle/PaddleOCR
主要是cuda运行环境+拉取PaddleOCR代码+安装依赖包
建议使用docker进行配置,便于环境隔离和管理。
测试:超级轻量级中文OCR模型
- 其实就是由检测模型DB(4.1M)+识别模型CRNN(4.5M)联合的
- 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
下载inference模型文件包
该模型包含DB检测模型 + CRNN识别模型
cd PaddleOCR/
wget https://paddleocr.bj.bcebos.com/inference.tar
### inference模型文件包解压
tar -xf inference.tar
查看模型 :ls -lh inference/rec/
可以看到训练好的检测和识别推理模型总大小只有8.7M。应该是非常轻量级的了,下面来看看模型的测试结果。
官方样例:
1)竖向文字OCR
横向文字OCR
手机拍摄图片OCR
不得不说提供的DB模型确实兼顾了横向和竖向文字检测能力,但对弯曲文本的处理泛化能力明显不那么强。CRNN识别能力看着还不错,如果是做应用做些针对性训练应该能满足需求。最值的借鉴的是对整个模型的压缩处理。