一、任务介绍
1.1任务描述
在本系统中，目的是基于MindX SDK，在昇腾平台上，开发端到端财务票据OCR识别的参考设计，实现对财务票据中的文本信息进行OCR识别的功能，达到功能要求。
视频演示过程：【使用MindStudio进行MindX SDK 财务票据OCR 开发】
https://www.bilibili.com/video/BV1644y1m7Qe/?share_source=copy_web&vd_source=2a40c54eb5f208ef5b1c3cb38321c412
1.2 任务目标
样例输入：财务票据jpg图片
样例输出：框出主要文本信息并标记文本内容以及票据类型的jpg图片
1.3 环境信息
开发环境：Windows 10 + MindStudio 5.0.RC2
昇腾芯片：Ascend 310
服务器环境依赖软件和版本如下表：
二、模型介绍
本文开发选用了ResNet-50模型实现财务数据分类，通过DB模型实现端到端文本框识别、采用CRNN模型进行抠图以及框内文本内容识别。
财务数据识别流程图如下图所示： 
票据识别的SDK流程图如下图所示：
2.1 票据分类
本文开发选用了ResNet-50模型对图片进行分类。ResNet-50模型相关文件可在此处下载：
https://www.hiascend.com/zh/software/modelzoo/models/detail/C/ea8c34895d1b4697b3f1e940da1e97d2
ResNet是ImageNet竞赛中分类问题效果比较好的网络，它引入了残差学习的概念，通过增加直连通道来保护信息的完整性，解决信息丢失、梯度消失、梯度爆炸等问题，让很深的网络也得以训练。ResNet有不同的网络层数，常用的有18-layer、34-layer、50-layer、101-layer、152-layer。支持的特性包括：1、分布式并行训练；2、混合精度训练。
2.2 文本框识别
本文开发选用db模型对图片进行文本框识别。
论文连接：https://arxiv.org/pdf/1911.08947.pdf
模型相关文件链接：
https://www.hiascend.com/zh/software/modelzoo/models/detail/1/d14c7c1950824ba6a26bf9c7e3adf606
DBNet是基于分割的文本检测算法，算法将可微分二值化模块引入了分割模型，使得分割模型能够通过自适应的阈值进行二值化。经过验证，该方案不仅简化了后处理过程而且提升了文本检测的效果。相较于其他文本检测模型，DBNet在效果和性能上都有比较大的优势，是当前常用的文本检测算法。
DB文本检测模型可以分为三个部分：Backbone网络，负责提取图像的特征；
FPN网络，特征金子塔结构增强特征；Head网络，计算文本区域概率图。其模型结构如下图所示：
2.3 文本内容识别
本文使用CRNN模型对文本内容进行识别。CRNN模型相关文件可在此处下载：
https://www.hiascend.com/zh/software/modelzoo/models/detail/C/c4945b2fc8aa47f6af9b4f2870e41062
CRNN是一种基于图像序列识别的神经网络及其在场景文本识别中的应用，本文研究了场景文本识别问题，这是基于图像序列识别中最重要和最具挑战性的任务之一。提出了一种新的神经网络体系结构，将特征提取、序列建模和转录集成到一个统一的框架中。与以前的场景文本识别系统相比，所提出的体系结构具有四个独特的特性：
a) 它是端到端可训练的，与大多数现有算法相比，这些算法的组件是单独训练和调整的。
b) 它自然地处理任意长度的序列，不涉及字符分割或水平尺度归一化。
c) 它不局限于任何预定义的词典，在无词典和基于词典的场景文本识别任务中都取得了显著的性能。
d) 它生成了一个有效但小得多的模型，这对于现实世界的应用场景更实用。
三、MindStuido介绍与安装
MindStudio的具体安装步骤以及详细功能介绍可参考用户手册。
3.1 MindStudio简介
可提供再AI开发所需的一站式开发环境，支持模型开发、算子开发以及应用开发三个主流程中的开发任务。依靠模型可视化、算力测试、IDE本地仿真调试等功能。
MindStudio可以单独安装在Windows上。在安装MindStudio前需要在Linux服务器上安装部署好Ascend-cann-toolkit开发套件包，之后在Windows上安装MindStudio，安装完成后通过配置远程连接的方式建立MindStudio所在的Windows服务器与Ascend-cann-toolkit开发套件包所在的Linux服务器的连接，实现全流程开发功。本文开发采用的就是将MindStudio安装在Windows服务器上时，Windows服务器为本地环境，Linux服务器为远端环境。
3.2 MindStudio安装
步骤1 ： 通过MindStudio下载链接，下载Windows系统的安装包，下载完成后点击下载的安装包安装MindStudio。双击下载好的软件安装包进行安装。
步骤2：双击安装包，进入安装界面，单击“Next”。
步骤3：在下图安装界面，用户根据需要勾选安装选项后，单击“Next”。
其中
a) Create Desktop Shortcut：勾选“MindStudio”，创建桌面快捷方式。
b) Update PATH Variable(restart needed)：将MindStudio的启动文件路径加入环境变量PATH中，可从系统命令行直接启动MindStudio。如果勾选此项，MindStudio安装配置完成后会重启操作系统。
c) Update Context Menu：勾选“Add “Open Folder as Project””后，右键单击文件夹，可以作为MindStudio工程打开。
d) Create Associations：默认不勾选。
步骤4：选择MindStudio默认安装路径下的启动菜单文件夹，单击“Install”在这里插入图片描述
步骤5:开始安装MindStudio，完成后单击“Next”。
步骤6：完成MindStudio安装配置，单击“Finish”。
以上安装完成后，启动MindStudio，进入导入设置界面，这里选择的是Do not import settings不导入设置。选择该选项，则创建新的配置文件，默认为该选项。
以上安装完成后，启动MindStudio，进入导入设置界面，这里选择的是Do not import settings不导入设置。选择该选项，则创建新的配置文件，默认为该选项。
如果没有报错信息且能正常进入欢迎界面，则表示MindStudio安装成功。
3.3 MindStudio环境搭建
进入欢迎界面后，从欢迎界面打开Remote CANN Setting窗口的图文内容：Customize-》All Settings-》Appearance & Behavior-》System Settings-》CANN
点击Remote Connection后面的添加图标
点击左上角的“➕”，然后填写服务器连接的相关信息，测试成功后点击OK。
点击Remote CANN location后面的文件图标，打开远端服务器目录树，选择CANN安装路径，点击OK，点击Finish开始同步。
在欢迎界面点击Plugins，在插件市场搜索并安装如下插件工具。
Grep Console
Pylint
Python Community Edition
在欢迎界面依次点击Customize-》All Settings-》Appearance & Behavior-》System Settings-》MindX SDK打开管理界面。点击“Install SDK”，导入远程MindX SDK。
以上步骤全部完成且没有报错信息，表示MindStudio开发环境已成功搭建。
3.4 MindStudio新建工程
在 Projects 标签下点击“New Project”创建一个新的工程。
选择 MindX SDK Project (Python)，点击“Finish”。
点击File->Project Structure
点击“SDKs”，点击加号，点击“Add Python SDK”
点击Interpreter后的按钮选择python版本（一般系统会自动检索，如果
有多个python版本请手动选择正确的）。填好后点击OK。
点击“Project”，选择创建的 SDK。
点击 “Modules”->“Dependence”，选择创建的 SDK，点击“OK”。
File ->Settings ->Tools ->Deployment，点击Mappings，根据下图操作顺序设置远程映射路径。
点击“Tools”-> “Deployment”->“Automatic Upload”。
进入远程服务器项目所在目录，两端文件已同步完成在这里插入图片描述
开发完成后完整的工程结构如下所示：
├── lib # 后处理插件库
│ ├── libclipper.so
│ └── libDBPostProcess.so
├── models
│ ├── crnn
│ │ ├── crnn.om
│ │ ├── crnn.onnx
│ │ ├── ppocr_keys_v1.names # 字典
│ │ ├── rec_aipp.cfg # crnn-aipp转换配置文件
│ │ └── rec.cfg # crnn后处理配置
│ ├── db
│ │ ├── db.om
│ │ ├── db.onnx
│ │ ├── det_aipp.cfg
│ │ └── det.cfg # db后处理配置
│ └── resnet50
│ ├── aipp.config
│ ├── invoice.names # 票据类别
│ ├── resnet50.air
│ ├── resnet50.cfg # resnet50配置
│ └── resnet50.om
├── pipeline
│ └── InvoiceOCR.pipeline # pipeline文件
├── inputs # 输入图片
│ └── xxx.jpg
├── outputs # 输出图片
│ └── xxxx.jpg
├── main.py # 推理脚本
├── eval.py # 测试精度脚本
└── set_env.sh # 环境变量设置脚本
四、模型转换
MindStudio模型转换工具的详细使用和参数说明可参考MindStudio用户手册–模型转换。
4.1 Resnet模型转换
可以通过在菜单栏选择“Ascend > Model Converter” 进入模型转换界面。
打开模型转换页面，在“Model Information”页签中配置Model File，可以选择远端或本地的模型文件，点击“OK”以后会自动解析模型并自动填充如图相关信息。
添加input Node, 参数值为“1,3,224,224”，TYPE选择UINT8。
设置模型名称、om 模型生成目录、点击“Next”。
进入“Data Preprocessing”数据预处理的配置页，开启Load Aipp Configuration，选择对应的配置文件。
配置文件如下所示：
最终的数据预处理参数如下，点击“Next”。
检查生成的atc命令，确认无误后点击“Finish”。
模型转换成功后，如下图所示：
4.2 DB模型转换
可以通过在菜单栏选择“Ascend > Model Converter” 进入模型转换界面。
打开模型转换页面，在“Model Information”页签中配置Model File，可以选择远端或本地的模型文件，点击“OK”以后会自动解析模型并自动填充如图相关信息。
添加input Node, --input_shape=“x:1,3,-1,-1”，TYPE选择FP32。dynamic_image_size=“1216,1280;1280,1216;1120,1280;1280,1120;1024,1280;1280,1024;928,1280;1280,928;832,1280;1280,832;736,1280;1280,736;704,1280;1280,704;672,1280;1280,672;640,1280;1280,640;608,1280;1280,608;576,1280;1280,576;544,1280;1280,544;512,1280;1280,512;480,1280;1280,480;448,1280;1280,448”。点击Next。 
点击“Next”。
进入“Advanced Options Preview”高级选项配置页，在Additional Arguments添加转换参数。Command Preview展示了模型转换使用的atc参数预览数。
配置文件如下所示：
模型转换成功后，如下图所示：
4.3 CRNN模型转换
可以通过在菜单栏选择“Ascend > Model Converter” 进入模型转换界面。
打开模型转换页面，在“Model Information”页签中配置Model File，可
以选择远端或本地的模型文件，点击“OK”以后会自动解析模型并自动填充如图相关信息。
input Node参数值为input_shape=“x:1,3,48,320”，Type选择UINT8。点击“Next”。
进入“Data Preprocessing”数据预处理的配置页，开启Load Aipp Configuration，选择对应的配置文件。
配置文件如下所示：
最终的数据预处理参数如下，点击“Next”。
进入“Advanced Options Preview”高级选项配置页， 其中Command
Preview展示了模型转换使用的atc参数预览数。确认无误后点击“Finish”。
模型转换成功后，如下图所示
五、项目开发
5.1 pipeline流程编排
MindX SDK实现功能的最小粒度是插件，每一个插件实现特定的功能，如图片解码、图片缩放等。将这些插件按照合理的顺序编排，实现相应的功能。
这个配置文件叫做pipeline，以JSON格式编写，用户必须指定业务流名称、元件名称和插件名称，并根据需要，补充元件属性和下游元件名称信息。
本文实现所使用的插件和工作流程如下：
（1）输入类型可以是图片数据（jpg图片序列）
（2）调用MindX SDK提供的图像解码接口mxpi_imagedecoder，解码后获取图像数据
（3）进行图像尺寸大小变换，调用MindX SDK提供的图像尺寸大小变换接口mxpi_imageresize插件
（4）首先进行票据类别识别，调用MindX_SDK的mxpi_tensorinfer接口，将尺寸变换后的图像数据输入Resnet训练模型，完成图片所属票据类别的识别
（5）根据所属票据类别，结合DBNet模型方法进行文本框识别，并进行文本框缺失判断
（6）检测后处理，调用MindX SDK提供的模型推理插件mxpi_tensorinfer，然后调用MindX SDK提供的插件mxpi_objectpostprocessor，将结果组装成json字符串传给下一个插件
（7）抠图，调用MindX_SDK的mxpi_imagecrop插件，将各个文本框分别抠出并标记
（8）对框内文本进行识别，然后将结构化信息写入文本文件中。文本文件与图片名保持一致。
序号 插件 功能描述
点击Save As进行保存。保存之后可以通过代码进行修改。
可在test.pipeline文件中配置所需的模型路径与模型后处理插件路径。
next和dataSource制定了各个元件之间的连接关系，om模型地址需要放在推理插件里面，推理插件输出结果不一定可以可视化，所以需要后处理元件对推理插件进行处理输出。最终pipeline可视化如下：
5.2 主程序开发
由于目前MindStudio连接远程python服务器的功能正在开发中，目前仅支持使用MindStudio实现python项目两端代码同步，项目运行依然需要在服务器上实现。pipeline在脚本main.py内部。
获取输入图片文件名与路径
将识别的文本内容添加到方框左上方。
创建并初始化流管理对象；读取pipeline文件。
创建流以及输入对象，输入类型为图片数据（jpg图片序列）。
获取输出，并打印结果。
判断并标记输入票据的类型
保存框出票据的主要文本信息并标记文本内容以及票据类型的jpg图片在./ouput文件夹下。以及最后销毁流。
将测试图片放在inputs文件夹中，运行main.py等待运行成功后，MindStudio会自动同步远程项目，但是若是自动同步失败或者没有运行，可以点击菜单栏中的Tools>Deployment>Download，下载服务器里的项目，应当包含模型的输出。
待执行完毕可在./outputs目录下查看结果
六、模型精度验证
测试数据可在此处下载，将下载的数据解压到eval_data目录下。
定义获取测试数据的文件名、标签如下：
定义计算iou函数以及字符串计数函数如下
定义精度函数如下：
创建并初始化流管理对象, 读取pipeline。创建流。
其中type_acc为分类精度，acc为识别端到端精度。
在远程项目目录下执行python3 eval.py
可得精度结果如下所示，其中acc为db+crnn端到端精度，type_acc为
resnet50精度。
七、总结
本文主要介绍使用 MindStudio 全流程开发工具链，在昇腾平台上，开发端到端财务票据OCR识别的参考设计，实现对财务票据中的文本信息进行OCR识别的功能，达到功能要求。在开发过程中碰到了很多问题，除了参考 MindStudio用户手册，社区帖子也提供了很多解决问题的思路。建议在开发过程中遇到问题可查看社区相关经验分享。社区地址如下：https://bbs.huaweicloud.com/forum/forum-945-1.html
实现参考链接https://github.com/AstarLight/CPS-OCR-Engine。
参考文档：https://bbs.huaweicloud.com/forum/thread-0211102567915971019-1-1.html
八、FAQ
CANN配置失败：Permission denied
报错原因与解决方法：原先的CANN安装再root权限的用户下，普通用户没有权限。我们需要重新下载普通用户下，然后导入普通用户的路径。
模型转换时，无法导入python module
报错原因与解决方法：未配置python的环境变量。打开~/.bashrc文件，添加环境变量。
1458
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
