PaddleOCR—图片文字识别提取—快速使用教程

简介

基于飞桨的OCR工具库，该项目名叫 PaddleOCR，是 Paddle 的一个分支；PaddleOCR 基于深度学习技术实现的， 所以使用时需要训练好的权重文件，但这个不需要我们担心，因为官方提供的有。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。

官网地址：

Gitee：PaddlePaddle: 源于产业实践的开源深度学习平台，飞桨致力于让深度学习技术的创新与应用更简单 (gitee.com)

经测试 PaddleOCR 识别效果非常优秀，下面两张图片是从官网介绍中截取的几张图片

PP-OCRv3 中文模型

PP-OCRv3 英文模型

PP-OCRv3 多语言模型

 PP-Structure 文档分析 

 关于 PaddleOCR 模型 ,有以下几个特点

• PaddleOCR 从 2020.5.14 发布，项目迭代到现在，功能一直处于在不断完善的过程；
• 在 PaddleOCR 识别中，会依次完成三种任务：检测、方向分类及文本识别；
• 关于预训练权重，PaddleOCR 官网根据提供权重文件大小分为两类：
  • 一类为轻量级，（检测+分类+识别）三类权重加起来大小一共才 9.4 M，适用于手机端和服务器部署；
  • 另一类（检测+分类+识别）三类权重内存加起来一共 143.4 MB ，适用于服务器部署；
  • 无论模型是否轻量级，识别效果都能与商业效果相比，在本期教程中将选用轻量级权重用于测试；
• 支持多语言识别，目前能够支持 80 多种语言；
• 除了能对中文、英语、数字识别之外，还能应对字体倾斜、文本中含有小数点字符等复杂情况
• 提供有丰富的 OCR 领域相关工具供我们使用，方便我们制作自己的数据集、用于训练
  • 半自动数据标注工具；
  • 数据合成工具；

PaddleOCR 使用

简单介绍完之后，下面将手把手教大家怎么去使用 PaddleOCR，

本文主要介绍PaddleOCR wheel包对PP-OCR系列模型的快速使用

1 环境介绍

介绍一下本次所用的测试环境

• os：Win10；
• Python：3.7.11；

2 安装PaddlePaddle

• pip3 install --upgrade pip

• 如果您没有基础的Python运行环境，请参考运行环境准备。

  python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple

• 您的机器是CPU，请运行以下命令安装

  python3 -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

 3 克隆 PaddleOCR 仓库

下面用（1）或者（2），二选一

（1）用 git clone 命令或者 Download 把项目仓库直接下载到本地

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

（2）安装PaddleOCR whl包（使用这个命令后面可跳过第5步）

pip install "paddleocr>=2.0.1" # 推荐使用2.0.1+版本

• 对于Windows环境用户：直接通过pip安装的shapely库可能出现[winRrror 126] 找不到指定模块的问题。建议从这里下载shapely安装包完成安装。

这里我用的是 git 命令

4 安装PaddleOCR 第三方依赖包

命令行进入 PaddleOCR 文件夹下

cd PaddleOCR

安装第三方依赖项 

pip3 install -r requirements.txt

 这一步骤如果报错的话，建议把改项目放置在一个虚拟环境中再进行安装，如果用虚拟环境的话，记得还需要安装一下 PaddlePaddle 包

python3 -m pip install paddlepaddle==2.0.0 -i https://mirror.baidu.com/pypi/simple

 5 下载权重文件

权重链接地址分别贴在下方，需依次下载到本地；检测权重

https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_det_infer.tar

 方向分类权重

https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar

 识别权重

https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_rec_infer.tar

下载到本地之后分别进行解压，创建一个 inference 文件夹，把前面解压后的三个文件夹放入 inference 中，再把 inference 文件夹放入 PaddleOCR 中，最终树形目录结构效果如下：

6 PaddleOCR 使用（命令行）

以上环境配置好之后，就可以使用 PaddleOCR 进行识别了，在PaddleOCR 项目环境下打开终端，根据自己情况，输入下面三种类型中的一种即可完成文本识别

1，使用 gpu，识别单张图片

python3 tools/infer/predict_system.py --image_dir="./doc/imgs/11.jpg" --det_model_dir="./inference/ch_ppocr_mobile_v2.0_det_infer/"  --rec_model_dir="./inference/ch_ppocr_mobile_v2.0_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v2.0_cls_infer/" --use_angle_cls=True --use_space_char=True

2，使用 gpu ，识别多张图片 

python3 tools/infer/predict_system.py --image_dir="./doc/imgs/" --det_model_dir="./inference/ch_ppocr_mobile_v2.0_det_infer/"  --rec_model_dir="./inference/ch_ppocr_mobile_v2.0_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v2.0_cls_infer/" --use_angle_cls=True --use_space_char=True

3，不使用gpu，识别单张图片 

python3 tools/infer/predict_system.py --image_dir="./doc/imgs/11.jpg" --det_model_dir="./inference/ch_ppocr_mobile_v2.0_det_infer/"  --rec_model_dir="./inference/ch_ppocr_mobile_v2.0_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v2.0_cls_infer/" --use_angle_cls=True --use_space_char=True --use_gpu=False

里面有两个参数需要自己配置一下，参数说明：

• image_dir -> 为需要识别图片路径或文件夹；
• det_model_dir -> 存放识别后图片路径或文件夹；

 结果是一个list，每个item包含了文本框，文字和识别置信度

[[[28.0, 37.0], [302.0, 39.0], [302.0, 72.0], [27.0, 70.0]], ('纯臻营养护发素', 0.9658738374710083)]
......

7  Python脚本使用

通过Python脚本使用PaddleOCR whl包，whl包会自动下载ppocr轻量级模型作为默认模型。

检测+方向分类器+识别全流程

from paddleocr import PaddleOCR, draw_ocr

# Paddleocr目前支持的多语言语种可以通过修改lang参数进行切换
# 例如`ch`, `en`, `fr`, `german`, `korean`, `japan`
ocr = PaddleOCR(use_angle_cls=True, lang="ch")  # need to run only once to download and load model into memory
img_path = './imgs/11.jpg'
result = ocr.ocr(img_path, cls=True)
for idx in range(len(result)):
    res = result[idx]
    for line in res:
        print(line)

# 显示结果
# 如果本地没有simfang.ttf，可以在doc/fonts目录下下载
from PIL import Image
result = result[0]
image = Image.open(img_path).convert('RGB')
boxes = [line[0] for line in result]
txts = [line[1][0] for line in result]
scores = [line[1][1] for line in result]
im_show = draw_ocr(image, boxes, txts, scores, font_path='doc/fonts/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')

结果是一个list，每个item包含了文本框，文字和识别置信度

结果可视化 

总结

Paddle-OCR 属于Paddle 框架其中的一个应用，Paddle 除了 OCR 之外还有许多其它好玩的模型，关键开发者提供有训练好的预权重文件、降低了使用门槛。

下期讲一下表格识别 ppstructure 算法

参考：PaddleOCR，一款文本识别效果不输于商用的Python库！ - 知乎 (zhihu.com)