PaddleOCR

已于 2022-07-07 16:29:39 修改
阅读量1.7k 收藏 3
点赞数
分类专栏： DeepLearning 文章标签： 人工智能 计算机视觉 python
于 2022-06-10 16:43:41 首次发布
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/weixin_42823098/article/details/125223515
版权

PaddleOCR

前因

响应公司号召，开搞 OCR 字符识别， OpenCV 和 Halcon 已经实现了部分功能，是基于机器学习实现的，通过边界计算、分割、识别的 Pipeline 完成字符的识别，但纵观技术大局，深度学习能搞定的事情就不要用机器学习了，于是调研下深度学习框架，找了一遍，发现大家对百度的 PaddleOCR 特别推崇（不排除是用百度搜索引擎调研的），于是乎，干就完了。。。

继续因一下

对于深度学习这门玄学，从我的认知出发，先跑一下吧，如果跑的好，那就成了一半了，然后再考虑搭建 train 的环境，更换自己的数据集，所以，首先一步就是部署，根据官网推出的模型进行部署，所幸，百度的生态非常强大，这个问题他早就考虑到了，所以官网有比较详细的部署教程，而且还是中文的，作为没出过国门的中国人，这一点是值得表扬的，鉴于我比较熟悉c++ 和 python，所以就介绍下 C ++ 的部署；

环境及相关库

vs 2019 社区版
cmake 3.22.5
opencv 4.x

过程

  1. 下载paddleOCR code: paddleocr

  2. 下载 interface 预测库专用

  3. 下载官方det和rec模型 模型下载

  4. 编译
    deploy/cpp_inte 下，cmake && make 即可

  5. 配置与运行
    老实说，这个有点麻烦，因为这套代码用到的 Gflag ，需要读取命令行参数，而这个在 win 下不是很友好，所以，可以修改 args 的默认值，主要修改的参数有：
    rec_model_dir, det_model_dir,rec_char_dict_path，这三个对应的文件都是需要提供的，前两个是下载的，第三个在源码文件中存在，需要改下路径就好，至此，就可以进行识别了。

Linux Deploy

1：将 opencv移到 deploy/cpp_infer 下；
2：将 paddle_interface 移到 deploy/cpp_infer 下；
3：修改 deploy/cpp_infer/tools/build.sh

#OPENCV_DIR=your_opencv_dir
LIB_DIR='*/paddle_inference' # your_paddle_inference_dir
# CUDA_LIB_DIR=your_cuda_lib_dir
# CUDNN_LIB_DIR=your_cudnn_lib_dir

# BUILD_DIR=build_vs
BUILD_DIR=build_linux
rm -rf ${BUILD_DIR}
mkdir ${BUILD_DIR}
cd ${BUILD_DIR}
cmake .. \
    -DPADDLE_LIB=${LIB_DIR} \
    -DWITH_MKL=ON \
    -DWITH_GPU=OFF \
    -DWITH_STATIC_LIB=OFF \
    -DWITH_TENSORRT=OFF \
    # -DOPENCV_DIR=${OPENCV_DIR} \
    # -DCUDNN_LIB=${CUDNN_LIB_DIR} \
    # -DCUDA_LIB=${CUDA_LIB_DIR} \
    # -DTENSORRT_DIR=${TENSORRT_DIR} \
make -j

4:修改 cpp_infer 下的 CMakeLists.txt，使文件编译的时候调用系统的 Opencv

  # find_package(OpenCV REQUIRED PATHS ${OPENCV_DIR}/share/OpenCV NO_DEFAULT_PATH)
  find_package(OpenCV REQUIRED)

5:把 deploy/external-cmake/auto-log.cmake中的 L10 repo 改下：

https://gitee.com/Double_V/AutoLog

6: 可以编译 demo了

sh tools/build.sh

7：下载model

截至目前，源码编译便是可以了；
该源码使用了 gflag ，个人认为这个工具再 win下不是很友好，所以，需要改下默认值：
修改 args.cpp

L32:DEFINE_string(det_model_dir, "../../../models/ch_PP-OCRv3_det_infer", "Path of det inference model.");
L56:DEFINE_string(rec_model_dir, "../../../models/ch_PP-OCRv3_rec_infer", "Path of rec inference model.");

Training

DeepLearning 的三座大山之一，要想在自己的 PC 上搞，还是有些复杂的；鉴于个人计算机容量与性能有限，后续工作可能会转移到工作站进行，所以，在这里通过 Docker 配置环境：
1：下载镜像 docker pull paddlecloud/paddleocr:2.5-cpu-latest
2：下载代码 git clone https://github.
3：数据准备，可参考官网data
4：进入docker

docker run -it -v /mnt/f/github/:/home/github --shm-size="8G" paddle/paddleocr:V1 /bin/bash

记得把代码挂载哟，同时，我发下官方提供的 docker images没有安装 py包，也不知道是不是下载错了，不过可以自己安装下，进入到 PaddleOCR根目录中，执行 :

pip3 install -r requirements.txt

5：修改 configs
主要修改了data 路径等问题，可以参考原版对比下，在这里不一一讲解了

Global:
  debug: false
  use_gpu: false
  epoch_num: 500 #500
  log_smooth_window: 20
  print_batch_step: 10
  save_model_dir: ./output/v3_en_mobile
  save_epoch_step: 3
  eval_batch_step: [0, 20] # [0, 2000]
  cal_metric_during_train: true
  pretrained_model:
  checkpoints:
  save_inference_dir:
  use_visualdl: false
  infer_img: doc/imgs_words/ch/word_1.jpg
  character_dict_path: ppocr/utils/en_dict.txt
  max_text_length: &max_text_length 25
  infer_mode: false
  use_space_char: true
  distributed: true
  save_res_path: ./output/rec/predicts_ppocrv3_en.txt


Optimizer:
  name: Adam
  beta1: 0.9
  beta2: 0.999
  lr:
    name: Cosine
    learning_rate: 0.001
    warmup_epoch: 5
  regularizer:
    name: L2
    factor: 3.0e-05


Architecture:
  model_type: rec
  algorithm: SVTR
  Transform:
  Backbone:
    name: MobileNetV3 # MobileNetV1Enhance
    scale: 0.5
    last_conv_stride: [1, 2]
    last_pool_type: avg
  Head:
    name: MultiHead
    head_list:
      - CTCHead:
          Neck:
            name: svtr
            dims: 64
            depth: 2
            hidden_dims: 120
            use_guide: True
          Head:
            fc_decay: 0.00001
      - SARHead:
          enc_dim: 512
          max_text_length: *max_text_length

Loss:
  name: MultiLoss
  loss_config_list:
    - CTCLoss:
    - SARLoss:

PostProcess:  
  name: CTCLabelDecode

Metric:
  name: RecMetric
  main_indicator: acc
  ignore_space: False

# modify 
Train:
  dataset:
    name: SimpleDataSet
    data_dir: ./train_data/cosmo_data/ #./train_data/
    ext_op_transform_idx: 1
    label_file_list:
    - train_data/cosmo_data/rec_gt_train.txt # ./train_data/train_list.txt
    transforms:
    - DecodeImage:
        img_mode: BGR
        channel_first: false
    - RecConAug:
        prob: 0.5
        ext_data_num: 2
        image_shape: [48, 320, 3]
    - RecAug:
    - MultiLabelEncode:
    - RecResizeImg:
        image_shape: [3, 48, 320]
    - KeepKeys:
        keep_keys:
        - image
        - label_ctc
        - label_sar
        - length
        - valid_ratio
  loader:
    shuffle: true
    batch_size_per_card: 2
    drop_last: true
    num_workers: 1
Eval:
  dataset:
    name: SimpleDataSet
    data_dir: ./train_data/cosmo_data/ # ./train_data
    label_file_list:
    - ./train_data/cosmo_data/rec_gt_train.txt # ./train_data/val_list.txt
    transforms:
    - DecodeImage:
        img_mode: BGR
        channel_first: false
    - MultiLabelEncode:
    - RecResizeImg:
        image_shape: [3, 48, 320]
    - KeepKeys:
        keep_keys:
        - image
        - label_ctc
        - label_sar
        - length
        - valid_ratio
  loader:
    shuffle: false
    drop_last: false
    batch_size_per_card: 2
    num_workers: 1

6：train
为了方便起见，自己新建了一个 py 脚本，后期可以简单改下就好

# recommended paddle.__version__ == 2.0.0
# python3 -m paddle.distributed.launch --log_dir=./debug/ --gpus '0,1,2,3,4,5,6,7'  tools/train.py -c configs/rec/rec_mv3_none_bilstm_ctc.yml
python3 tools/train.py -c configs/rec/PP-OCRv3/en_PP-OCRv3_rec.yml -o Global.pretrained_model=./pretrain_models/en_PP-OCRv3_rec_train/best_accuracy

# test predict
# python3 tools/infer_rec.py -c configs/rec/PP-OCRv3/en_PP-OCRv3_rec.yml -o Global.pretrained_model=output/v3_en_mobile/best_accuracy Global.infer_img=train_data/ic15_data/train/word_2.png

# eval
# python3 -m paddle.distributed.launch tools/eval.py -c configs/rec/PP-OCRv3/en_PP-OCRv3_rec.yml -o Global.checkpoints=output/v3_en_mobile/best_accuracy

7：用自己创造的数据集测试，可以运行通，但是，受限于数据集，效果太差

后果

配置，在Ubuntu上配置，首先先介绍下 Paddle_interface 的编译过程：

git clone https://github.com/PaddlePaddle/Paddle.git
cd Paddle
git checkout release/2.0

下载完后就可以进入相应的目录并创建 build 文件夹

mkdir build & cd build

纯手写字体

在这里插入图片描述在这里插入图片描述

随手拍

在这里插入图片描述

结论

以上是两组比较有代表性的图片，一个是纯手写，另一个是在圆柱上的文字，从测试效果来看，手写的识别效果确实差点，不过，对于手写体，没有经过训练，而且也确实难度比较大，毕竟，写个狂草的话，估计自己都不认识，就不要为难 PC 了。

琼筵醉月
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
paddleocr whl包用于下载安装
11-15
paddleocr whl包用于下载安装
【PaddleOCR】一、PaddleOCR安装、测试（Win10）
qq_38253797的博客
05-21 4097
目录一、创建虚拟环境二、下载PaddleOCR三、安装Paddlepaddle四、安装shapely五、pip其他依赖包六、下载推理模型七、测试7.1、测试det7.2、测试rec八、碰到两个问题Reference 一、创建虚拟环境 我用的是Miniconda，你们也可以用Pycharm. 我的Miniconda 一般会建一个base_env： 在这个base_env下我会放一些平常不是很好装的包： 这样我新建一个环境的适合直接clone这个base_env就好了，十几秒就可以创建一个环境，这个环境中还
PaddleOCR的快速使用
最新发布
YOULANSHENGMENG的博客
06-28 1550
PaddleOCR 旨在打造一套丰富、领先、且实用的 OCR 工具库，助力开发者训练出更好的模型，并应用落地。
Ocr之PaddleOcr模型训练
u014642921的博客
03-02 1896
推理模型生成 >>|识别模型训练 >>|
PaddleOCR —— 本地安装
qq_37668436的博客
10-23 4599
简介 记录下本地安装PaddleOCR的过程，repo地址：PaddleOCR的github地址。开源的文字识别库还是很香的，star起来。 第一步：关注Repo，更新了不迷路 点上star和fork，感觉代码全是我写的哈哈哈哈 第二步：下载代码 选择git clone下载或者直接点击按钮下载都行： 第三步：本地创建工程并用pycharm打开 我这里创建了一个叫paddleOcr的文件夹放ocr的代码： 第四步：安装依赖 打开pycharm底下的终端输入下面命令安装，就会自动安装上所有需要的依赖： c
Paddle OCR, windows/mac安装指南
HarryLi0520的博客
07-29 3600
现在网络上有很多百度PaddleOCR的安装教程，但普遍的问题是缺少对整个安装流程框架的讲解，而遇到的问题又五花八门，导致小白安装时容易被绕晕。 本文将以Anaconda为例，梳理PaddleOCR的安装框架，同时提供几个常见报错和解决方案，希望能帮助大家高效地成功安装PaddleOCR：......
基于 CPU 在docker 中部署PaddleOCR
小小晓晓阳的博客
09-18 2204
基于CPU在docker中部署PaddleOCR
paddleocr安装包
11-15
PaddleOCR是一款由阿里云开发的开源OCR（Optical Character Recognition，光学字符识别）工具，它基于深度学习框架PaddlePaddle。此安装包“PaddleOCR-release-2.6”是该工具的一个版本，提供了高效、轻量级且可定制...
paddleocr打包exe离线工具
12-22
《PaddleOCR：打造离线文字识别工具》 在当今数字化时代，文本识别技术的应用日益广泛，尤其是在没有Python运行环境的场景下，离线的文字识别工具显得尤为重要。PaddleOCR，作为百度开源的一款高效、轻量级且可扩展...
PaddleOCR2.7+Qt5
05-29
【PaddleOCR2.7+Qt5】是一个集成项目，结合了百度的PaddleOCR 2.7版本和Qt5框架，用于实现图形用户界面下的字符识别功能，尤其支持在GPU上运行，以提高识别效率。这个项目的核心是将深度学习的OCR（Optical ...
Python PaddleOCR OCR结构化识别的例子
02-07
Python PaddleOCR OCR结构化识别的例子 Python PaddleOCR 是由百度研发的一个开源的光学字符识别（Optical Character Recognition, OCR）工具包，它基于深度学习技术，设计用于解决各种场景下的文字检测与识别问题...
PaddleOCR-v2.7.5.zip
05-12
PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力使用者训练出更好的模型，并应用落地。PP-OCR是一个实用的超轻量OCR系统。主要由DB文本检测、检测框矫正和CRNN文本识别三部分组成。该系统从骨干网络选择和调整、预测头部的设计、数据增
PaddleOCR modle.zip
09-07
《PaddleOCR模型详解》 PaddleOCR是百度飞桨（PaddlePaddle）框架下的一款开源OCR（Optical Character Recognition，光学字符识别）工具，它具有轻量级、高精度的特点，尤其适用于移动端和边缘计算场景。在...
paddleocr2.3
08-30
paddleocr2.3
PaddleOCR 2.0
04-10
PaddleOCR文字识别，支持本地单机运行，支持图片批量文字识别 OCR（Optical Character Recognition)，光学字符识别,支持延时截图识别，支持图片旋转、镜像识别，支持批量打开图片文件列表，支持中文和英语识别，支持...
PaddleOCR开源离线识别的OCR 1.0
09-15
基于1.1的老识别库，识别效果不错。
paddleocr - 训练
qq_39066502的博客
06-05 585
下载预训练模型放到pretrain_models下并解压，找到预训练模型对应的配置文件，例如：configs/rec/ch_ppocr_v2.0/rec_chinese_common_train_v2.0.yml。下载预训练模型放到pretrain_models下并解压，找到预训练模型对应的配置文件，例如：configs/det/ch_ppocr_v2.0/ch_det_res18_db_v2.0.yml。模型存储在onnx_model下。模型存储在onnx_model下。
pycharm中配置paddleocr记录
小俊俊的博客
03-26 5142
pycharm中配置paddleocr记录 一、环境及电脑配置 1.python3 2.pycharm 3.ubntu20 4.gpu-cuda11.1-cudnn 二、下载代码 1.链接：https://github.com/PaddlePaddle/PaddleOCR 2.解压 unzip PaddleOCR-release-2.4.zip 三、pycharm中配置环境 1.根据requirements.txt建立虚拟环境 之后该路径中就是paddleocr的环境了。也可以pycharm中创建虚拟环
安装PaddleOCR
06-17
PaddleOCR是基于PaddlePaddle（飞桨）开发的一个强大的OCR（Optical Character Recognition，光学字符识别）库，用于从图像中提取文本。下面是安装PaddleOCR的基本步骤： 1. **安装PaddlePaddle**： 首先，确保已经安装了Python和pip。然后，你可以使用以下命令安装PaddlePaddle的最新版本： ```shell pip install paddlepaddle ``` 如果你想安装特定版本，可以指定`--version`参数。 2. **安装PaddleOCR**： PaddleOCR通常通过pip安装，如果你还没有安装，可以在终端或命令提示符中运行： ```shell pip install paddocr ``` 这将自动下载并安装相关的依赖，包括模型文件和工具。 3. **下载预训练模型**： 安装完成后，可能需要下载预训练模型，你可以使用`paddocr.download_config`命令进行下载，这一步通常不需要手动操作，安装脚本会自动处理。 4. **配置环境**： PaddleOCR可能需要一些额外的环境设置，比如调整CUDA路径或配置GPU使用。具体取决于你的系统配置。如果使用GPU，记得在环境变量中设置`CUDA_HOME`和`PATH`。 5. **验证安装**： 安装后，你可以尝试运行示例代码，如识别一张图片中的文字，来验证PaddleOCR是否成功安装。
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