github设置中文_PaddleOCR超轻量级中文OCR模型（总模型仅8.6M）进阶使用

PaddleOCR是一个与OCR相关的开源项目，不仅支持超轻量级中文OCR预测模型，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，其中检测模型DB（4.1M）+识别模型CRNN（4.5M）），而且提供多种文本检测训练算法（EAST、DB）和多种文本识别训练算法（Rosetta、CRNN、STAR-Net、RARE）。本文主要介绍如何使用PaddleOCR提供的超轻量级中文OCR模型完成文本检测任务、文本识别任务以及文本检测、识别串联任务，更多信息请参考repo的文档。

Github地址

https://github.com/PaddlePaddle/PaddleOCR​github.com

1.环境安装和超轻量级中文OCR模型下载

• 参考以下链接中的内容配置PaddleOCR运行环境，建议使用提供的docker运行PaddleOCR

https://github.com/PaddlePaddle/PaddleOCR/blob/develop/doc/installation.md

• 模型下载

# 下载inference模型文件包
wget https://paddleocr.bj.bcebos.com/inference.tar

# inference模型文件包解压
tar -xf inference.tar

2.超轻量中文检测模型推理，可以执行如下命令：

python3 tools/infer/predict_det.py --image_dir="./doc/imgs/2.jpg" --det_model_dir="./inference/det/"

可视化文本检测结果默认保存到 ./inference_results 文件夹里面，结果文件的名称前缀为'det_res'。结果示例如下：

通过设置参数det_max_side_len的大小，改变检测算法中图片规范化的最大值。当图片的长宽都小于det_max_side_len，则使用原图预测，否则将图片等比例缩放到最大值，进行预测。该参数默认设置为det_max_side_len=960. 如果输入图片的分辨率比较大，而且想使用更大的分辨率预测，可以执行如下命令：

python3 tools/infer/predict_det.py --image_dir="./doc/imgs/2.jpg" --det_model_dir="./inference/det/" --det_max_side_len=1200

如果想使用CPU进行预测，执行命令如下

python3 tools/infer/predict_det.py --image_dir="./doc/imgs/2.jpg" --det_model_dir="./inference/det/" --use_gpu=False

3.超轻量中文识别模型推理，可以执行如下命令：

python3 tools/infer/predict_rec.py --image_dir="./doc/imgs_words/ch/word_4.jpg" --rec_model_dir="./inference/rec/"

执行命令后，上面图像的预测结果（识别的文本和得分）会打印到屏幕上，示例如下：

Predicts of ./doc/imgs_words/ch/word_4.jpg:['实力活力', 0.89552695]

4.超轻量中文检测、识别模型串联推理，可以执行如下命令：

python3 tools/infer/predict_system.py --image_dir="./doc/imgs/2.jpg" --det_model_dir="./inference/det/"  --rec_model_dir="./inference/rec/"

执行命令后，识别结果图像如下：