PaddleOCR—图片文字识别提取—快速使用教程

已于 2023-06-28 19:39:10 修改
阅读量2.1w 收藏 290
点赞数 46
分类专栏： Paddle 深度学习 文章标签： 人工智能 深度学习
于 2023-06-26 23:12:19 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_45897172/article/details/131406224
版权
PaddleOCR是一个基于飞桨的OCR工具，提供超轻量级模型，支持中文、英文和多语言识别，包括检测、方向分类和文本识别任务。用户可以利用预训练权重进行快速部署，适用于手机端和服务器。文章介绍了PaddleOCR的使用步骤，包括环境配置、权重下载和Python脚本示例。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

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)

＜Python＞＜paddleocr＞基于python使用百度paddleocr实现图片文字识别与替换
用沸腾的热血，支付我们的人生吧！
06-17 737
本文是使用百度的开源库paddleocr来实现对图片文字的识别，准确度还不错，对图片文字的替换，则利用opencv来完成。
PaddleOCR文字识别使用教程（训练自己的数据集）（一）
qq_44936246的博客
11-17 7404
目录项目目录结构数据集准备labelimg参数修改训练预测 项目目录结构 链接：https://pan.baidu.com/s/1wbZvvonRBL3xy7xO3w57eA 提取码：8888 开源项目链接：https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.3/doc/doc_en/recognition_en.md 数据集准备 label 路径 识别的内容 img 当然你的图片名称要和你label里面的
python基于PaddleOcr实现图像内的文字提取
01-20
使用大模型PaddleOcr实现对图片内字符（数字、文字、符号...）的提取。 GUI: PyQt5 python:3.12 package：pyautogui ， cv2， numpy， PaddleOCR， logging #本程序无需网络支持。
发票OCR识别，实现方式使用YOLOv10提取关键位置发票信息，PaddleOCR根据提取的位置进行文字识别 支持图片和PDF识别
12-04
发票OCR识别，实现方式使用YOLOv10提取关键位置发票信息，PaddleOCR根据提取的位置进行文字识别。 支持图片和PDF识别，主要识别了发票标题、发票代码、发票号码、开票日期、购买方名称、购买方识别号、销售方名称、销售方识别号、含税金额、不含税金额、税费信息。
《PaddleOCR》—— OCR
最新发布
will be blogging
03-11 1906
PaddleOCR 是百度基于飞桨（PaddlePaddle）框架开源的全场景文字识别工具，支持多语言、多场景、高精度的 OCR 能力，覆盖文本检测、识别、方向分类等全流程，广泛应用于文档扫描、车牌识别、票据处理、工业质检等场景。
基于paddleocr的ocr教程
07-03
内容概要：本教程文档旨在通过PaddleOCR——一个基于PaddlePaddle深度学习框架的OCR（光学字符识别）工具，带领读者深入了解OCR技术的原理和应用。文档从环境搭建、模型训练到实际部署，提供了完整的OCR项目开发流程。通过实例演示，读者将学习如何使用PaddleOCR进行文字检测、识别以及后处理。 适合人群：本教程适合对OCR技术感兴趣，希望在项目中应用OCR功能的开发人员和研究人员。无论是初学者还是有一定经验的开发者，都能通过本教程获得实用的知识和技能。 能学到什么： 1. PaddleOCR的安装和配置方法。 2. 如何使用PaddleOCR进行文本检测和识别。 3. 模型训练和调优的技巧，以适应不同的OCR场景。 4. OCR结果的后处理技术，提高识别的准确性。 5. 如何将OCR技术集成到实际应用中。 阅读建议：本教程建议读者在阅读的同时，动手实践文档中的示例代码和项目。通过实际操作，读者可以更好地理解OCR技术的工作流程和实现细节。同时，鼓励读者根据自己的需求调整和优化OCR模型，以获得更好的识别效果。
PaddleOCR新手指南：开启智能文字识别之旅
静心编程，禅意生活。
02-25 1283
本文介绍 PaddleOCR 的使用场景并实现一个简单示例
PaddleOCR2.6版本大致教程
12-09
PaddleOCR2.6版本大致教程
【PaddleOCR的简单使用】
qq_43479628的博客
11-15 7520
【PaddleOCR的简单使用，及对官网低代码平台简单使用】
PaddleOCR 使用教程
gitblog_00776的博客
09-14 1390
PaddleOCR 使用教程 PaddleOCR 项目地址: https://gitcode.com/gh_mirrors/pad/PaddleOCR 1. 项目介绍 Pa...
PaddleOCR文字检测、标注与识别详细记录
AI浩
04-13 1万+
PP-OCR文字检测与识别 一、配置Paddle环境 创建虚拟环境 conda create --name pp python=3.7 创建完成后激活环境 conda activate pp 登录飞桨的官网下载最新的paddle，官网地址：飞桨PaddlePaddle-源于产业实践的开源深度学习平台 选择合适的CUDA版本，然后会在下面生成对应的命令。 然后，复制命令即可 conda install paddlepaddle-gpu==2.2.2 cudatoolkit=11.2 -c https
paddleocr 使用教程
juluwangriyue的博客
02-02 1万+
打开从github上下载的最新PaddleOCR 先对整个项目有一个总体的认识吧：从上到下文件夹依次为：configs、deploy、doc、inference、inference_results、ppocr、PPOCRLabel、StyleText、Tools共9个文件夹。 1、configs文件夹 这个文件夹下是方向分类、文本检测、文字识别的配置文件。配置文件中描述的内容包括如何训练、模型结构、优化器、训练参数、训练数据来源等。 先看训练的脚本train.sh： # recomme.
PaddleOCR的快速使用
YOULANSHENGMENG的博客
06-28 4010
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。
基于paddleocr的批量图片缩放识别
09-13
开发者可以通过研究源代码来理解整个图片文字识别的工作流程，并学习如何使用paddlepaddle和paddleocr工具。测试图片和文件目录则为实际操作提供了素材，帮助开发者在实际应用中调试和优化识别效果。 基于paddleocr...
PaddleOCR 图片文字提取
不会代码的小林
08-12 3523
PaddleOCR 图片文字提取需求一.裁剪车牌号码区域二.对车牌小图进行处理三.填充边界四.识别步骤 需求    工作上的一个需求，需要把图片中的车牌号码提取出来。如图，车牌在图片固定位置。开始使用pytesseract，对中文识别特别不友好，毕竟是外国人的东西。同事推荐使用PaddleOCR，国人开发的东西就是不一样，识别正确率居然可以达到90%以上。不过两者都存在共性问题，黑底白字无法识别/范围太小识别不准等。 一.裁剪车牌号码区域 # np.fromfil 从文本或二进制文件中的数据构造一个数
Paddle OCR 安装使用教程
热门推荐
小小晓晓阳的博客
07-06 2万+
PaddleOCR是飞浆开源文字识别模型，最新开源的超轻量PP-OCRv3模型大小仅为16.2M。同时支持中英文识别；支持倾斜、竖排等多种方向文字识别；支持GPU、CPU预测，并且支持使用paddle开源组件训练自己的超轻量模型，对于垂直领域的需求有很大帮助。
【Python】paddleocr快速使用及参数详解
Elaine的博客
01-26 1万+
在使用PaddleOCR进行模型推理时，可以自定义修改参数，来修改模型、数据、预处理、后处理等内容
PaddleOCR使用
kessity的博客
04-08 2万+
目录一 快速安装1 win10安装二 paddleocr package使用说明1 安装whl包2 代码使用 一 快速安装   本节内容来自这里。 1 win10安装 2. 安装PaddlePaddle Fluid v2.0 pip3 install --upgrade pip 如果您的机器安装的是CUDA9或CUDA10，请运行以下命令安装 python3 -m pip install paddlepaddle-gpu==2.0.0b0 -i https://mirror.baidu.com/pypi/
paddleocr的基本使用
potato123232的博客
01-11 2972
我使用的系统为windows，python版本为python3.7，paddleocr版本为2.7.0.2我的显卡是GTX970M，估计是硬件问题，后续使用代码的时候如果使用GPU就不能预测出结果，但CPU可以预测出结果。但在更新CUDA后，在任务管理器中可以查看到GPU的使用情况(之前很少)综上所述下面安装paddlepaddle-gpu版流程是不一定正确的。
paddleocr使用教程
05-12
PaddleOCR是一个基于PaddlePaddle深度学习框架的OCR（Optical Character Recognition，光学字符识别）工具包，可以识别各种文字类型的图片，包括中文、英文、数字等。本文将介绍如何使用PaddleOCR进行文字识别。 ## 安装PaddleOCR PaddleOCR的安装非常简单，只需要使用pip命令即可： ``` pip install paddleocr ``` ## 使用PaddleOCR 使用PaddleOCR进行文字识别非常简单，只需要导入包并调用相应的函数即可。以下是一个简单的示例代码： ``` python import paddleocr # 创建OCR实例 ocr = paddleocr.OCR() # 读取图片文件 img_path = 'test.jpg' img = paddleocr.load_image(img_path) # 进行文字识别 result = ocr.ocr(img) # 输出识别结果 for line in result: print(line) ``` 在上述代码中，我们首先导入了PaddleOCR模块。然后，我们创建了一个OCR实例，通过调用`paddleocr.OCR()`方法来实现。接着，我们读取了一张名为`test.jpg`的图片，并使用`paddleocr.load_image()`方法加载该图片。最后，我们调用OCR实例的`ocr()`方法进行文字识别，并将结果输出到控制台。 ## 配置PaddleOCR PaddleOCR还提供了一些配置选项，可以帮助我们优化识别效果。以下是一些常用的配置选项： - lang：要识别的语言类型。可选项包括`ch`, `en`, `fr`, `jp`, `korean`等。 - det：检测模型的名称。可选项包括`ch_ppocr_server_v2.0_det_infer`、`ch_ppocr_mobile_v2.0_det_infer`等。 - rec：识别模型的名称。可选项包括`ch_ppocr_server_v2.0_rec_infer`、`ch_ppocr_mobile_v2.0_rec_infer`等。 - cls：分类模型的名称。可选项包括`ch_ppocr_mobile_v2.0_cls_infer`等。 以下是一个配置PaddleOCR的示例代码： ``` python import paddleocr # 配置选项 lang = 'ch' det_model = 'ch_ppocr_server_v2.0_det_infer' rec_model = 'ch_ppocr_server_v2.0_rec_infer' # 创建OCR实例 ocr = paddleocr.OCR(lang=lang, det_model_dir=det_model, rec_model_dir=rec_model) # 读取图片文件 img_path = 'test.jpg' img = paddleocr.load_image(img_path) # 进行文字识别 result = ocr.ocr(img) # 输出识别结果 for line in result: print(line) ``` 在上述代码中，我们通过设置`lang`、`det_model`和`rec_model`等选项，来配置PaddleOCR的语言类型和模型。然后，我们创建了一个OCR实例，并将配置选项传递给构造函数。最后，我们读取图片、进行文字识别，并输出识别结果。 ## 总结 使用PaddleOCR进行文字识别非常简单，只需要导入包并调用相应的函数即可。此外，PaddleOCR还提供了一些配置选项，可以帮助我们优化识别效果。如果你需要进行文字识别，不妨尝试一下PaddleOCR吧！
评论 8
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