PaddleOCR使用

- 一概述
- 二快速安装
- - 1 win10 python安装
  - 2 C++编译
  - 3 生成dll，c#调用
- 三 OCR模型列表
- - 1 模型区别
  - 2 模型分类
- 四中文OCR模型快速使用
- - 1 以超轻量级模型为例：
  - 2 单张图像或者图像集合预测
- 五 paddleocr package使用说明
- - 1 安装whl包
  - 2 代码使用
- 六 DB 场景文字检测
- 七快速理解文本识别模型CRNN
- 八 SLIM模型
- 九其他开源项目
- 十 VS 运行库MT、MD的区别

一概述

项目源码：https://github.com/PaddlePaddle/PaddleOCR。

项目说明：https://mp.weixin.qq.com/s/i1Dm18qp93jzWnMoqRU2gA。

二快速安装

本节内容来自这里。

1 win10 python安装

1. 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/simple

如果您的机器是CPU，请运行以下命令安装

python3 -m pip install paddlepaddle==2.0.0b0 -i https://mirror.baidu.com/pypi/simple

更多的版本需求，请参照安装文档中的说明进行操作。

2. 克隆PaddleOCR repo代码

【推荐】git clone https://github.com/PaddlePaddle/PaddleOCR

如果因为网络问题无法pull成功，也可选择使用码云上的托管：

git clone https://gitee.com/paddlepaddle/PaddleOCR

注：码云托管代码可能无法实时同步本github项目更新，存在3~5天延时，请优先使用推荐方式。

3. 安装第三方库

cd PaddleOCR

pip3 install -r requirments.txt

注意，windows环境下，建议从这里下载shapely安装包完成安装，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。

2 C++编译

参考列表：

https://blog.csdn.net/u010477528/article/details/109078267

环境：

1、C++预测库fluid_inference：https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/guides/05_inference_deployment/inference/windows_cpp_inference.html

2、opencv

3、cmake 3.17.5选项：

PaddleOCR使用

4、vs2019，Release编译。

3 生成dll，c#调用

系列文章如何使用PaddleDetection做一个完整项目（三）

PaddleDetection在windows下的部署（二）

设置：

PaddleOCR使用

三 OCR模型列表

本节内容来自这里。

1 模型区别

PaddleOCR提供的可下载模型包括推理模型、训练模型、预训练模型、slim模型，模型区别说明如下：

模型类型	模型格式	简介
推理模型	model、params	用于python预测引擎推理，详情
训练模型、预训练模型	.pdmodel、.pdopt、*.pdparams	训练过程中保存的checkpoints模型，保存的是模型的参数，多用于模型指标评估和恢复训练
slim模型	*.nb	用于lite部署

2 模型分类

文本检测模型、文本识别模型、文本方向分类模型

四中文OCR模型快速使用

本节内容来自这里。

1 以超轻量级模型为例：

mkdir inference && cd inference
# 下载超轻量级中文OCR模型的检测模型并解压
wget https://paddleocr.bj.bcebos.com/20-09-22/mobile/det/ch_ppocr_mobile_v1.1_det_infer.tar && tar xf ch_ppocr_mobile_v1.1_det_infer.tar
# 下载超轻量级中文OCR模型的识别模型并解压
wget https://paddleocr.bj.bcebos.com/20-09-22/mobile/rec/ch_ppocr_mobile_v1.1_rec_infer.tar && tar xf ch_ppocr_mobile_v1.1_rec_infer.tar
# 下载超轻量级中文OCR模型的文本方向分类器模型并解压
wget https://paddleocr.bj.bcebos.com/20-09-22/cls/ch_ppocr_mobile_v1.1_cls_infer.tar && tar xf ch_ppocr_mobile_v1.1_cls_infer.tar
cd ..

解压完毕后应有如下文件结构：

|-inference
    |-ch_ppocr_mobile_v1.1_det_infer
        |- model
        |- params
    |-ch_ppocr_mobile_v1.1_rec_infer
        |- model
        |- params
    |-ch_ppocr_mobile-v1.1_cls_infer
        |- model
        |- params
    ...

2 单张图像或者图像集合预测

以下代码实现了文本检测、识别串联推理，在执行预测时，需要通过参数

image_dir

指定单张图像或者图像集合的路径、参数

det_model_dir

指定检测inference模型的路径、参数

rec_model_dir

指定识别inference模型的路径、参数

use_angle_cls

指定是否使用方向分类器、参数

cls_model_dir

指定方向分类器inference模型的路径、参数

use_space_char

指定是否预测空格字符。可视化识别结果默认保存到

./inference_results

文件夹里面。

# 预测image_dir指定的单张图像
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/11.jpg" --det_model_dir="./inference/ch_ppocr_mobile_v1.1_det_infer/"  --rec_model_dir="./inference/ch_ppocr_mobile_v1.1_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v1.1_cls_infer/" --use_angle_cls=True --use_space_char=True

# 预测image_dir指定的图像集合
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/" --det_model_dir="./inference/ch_ppocr_mobile_v1.1_det_infer/"  --rec_model_dir="./inference/ch_ppocr_mobile_v1.1_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v1.1_cls_infer/" --use_angle_cls=True --use_space_char=True

# 如果想使用CPU进行预测，需设置use_gpu参数为False
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/11.jpg" --det_model_dir="./inference/ch_ppocr_mobile_v1.1_det_infer/"  --rec_model_dir="./inference/ch_ppocr_mobile_v1.1_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v1.1_cls_infer/" --use_angle_cls=True --use_space_char=True --use_gpu=False

通用中文OCR模型

请按照上述步骤下载相应的模型，并且更新相关的参数，示例如下：

# 预测image_dir指定的单张图像
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/11.jpg" --det_model_dir="./inference/ch_ppocr_server_v1.1_det_infer/"  --rec_model_dir="./inference/ch_ppocr_server_v1.1_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v1.1_cls_infer/" --use_angle_cls=True --use_space_char=True

注意：

如果希望使用不支持空格的识别模型，在预测的时候需要注意：请将代码更新到最新版本，并添加参数

--use_space_char=False

。

如果不希望使用方向分类器，在预测的时候需要注意：请将代码更新到最新版本，并添加参数

--use_angle_cls=False

。

更多的文本检测、识别串联推理使用方式请参考文档教程中基于Python预测引擎推理。

五 paddleocr package使用说明

本节内容来自这里。

1 安装whl包

pip安装：

pip install paddleocr

本地构建并安装：

python3 setup.py bdist_wheel
pip3 install dist/paddleocr-x.x.x-py3-none-any.whl # x.x.x是paddleocr的版本号

2 代码使用

检测+分类+识别全流程

from paddleocr import PaddleOCR, draw_ocr
# Paddleocr目前支持中英文、英文、法语、德语、韩语、日语，可以通过修改lang参数进行切换
# 参数依次为`ch`, `en`, `french`, `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 = 'PaddleOCR/doc/imgs/11.jpg'
result = ocr.ocr(img_path, cls=True)
for line in result:
    print(line)

# 显示结果
from PIL import Image
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='/path/to/PaddleOCR/doc/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

[[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], ['纯臻营养护发素', 0.964739]]
[[[24.0, 80.0], [172.0, 80.0], [172.0, 104.0], [24.0, 104.0]], ['产品信息/参数', 0.98069626]]
[[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], ['（45元/每公斤，100公斤起订）', 0.9676722]]
......

检测+识别

from paddleocr import PaddleOCR, draw_ocr
ocr = PaddleOCR() # need to run only once to download and load model into memory
img_path = 'PaddleOCR/doc/imgs/11.jpg'
result = ocr.ocr(img_path)
for line in result:
    print(line)

# 显示结果
from PIL import Image
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='/path/to/PaddleOCR/doc/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

[[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], ['纯臻营养护发素', 0.964739]]
[[[24.0, 80.0], [172.0, 80.0], [172.0, 104.0], [24.0, 104.0]], ['产品信息/参数', 0.98069626]]
[[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], ['（45元/每公斤，100公斤起订）', 0.9676722]]
......

分类+识别

from paddleocr import PaddleOCR
ocr = PaddleOCR(use_angle_cls=True) # need to run only once to download and load model into memory
img_path = 'PaddleOCR/doc/imgs_words/ch/word_1.jpg'
result = ocr.ocr(img_path, det=False, cls=True)
for line in result:
    print(line)

结果是一个list，每个item只包含识别结果和识别置信度

['韩国小馆', 0.9907421]

单独执行检测

from paddleocr import PaddleOCR, draw_ocr
ocr = PaddleOCR() # need to run only once to download and load model into memory
img_path = 'PaddleOCR/doc/imgs/11.jpg'
result = ocr.ocr(img_path, rec=False)
for line in result:
    print(line)

# 显示结果
from PIL import Image

image = Image.open(img_path).convert('RGB')
im_show = draw_ocr(image, result, txts=None, scores=None, font_path='/path/to/PaddleOCR/doc/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')

结果是一个list，每个item只包含文本框

[[26.0, 457.0], [137.0, 457.0], [137.0, 477.0], [26.0, 477.0]]
[[25.0, 425.0], [372.0, 425.0], [372.0, 448.0], [25.0, 448.0]]
[[128.0, 397.0], [273.0, 397.0], [273.0, 414.0], [128.0, 414.0]]
......

单独执行识别

from paddleocr import PaddleOCR
ocr = PaddleOCR() # need to run only once to download and load model into memory
img_path = 'PaddleOCR/doc/imgs_words/ch/word_1.jpg'
result = ocr.ocr(img_path, det=False)
for line in result:
    print(line)

结果是一个list，每个item只包含识别结果和识别置信度

['韩国小馆', 0.9907421]

单独执行分类

from paddleocr import PaddleOCR
ocr = PaddleOCR(use_angle_cls=True) # need to run only once to download and load model into memory
img_path = 'PaddleOCR/doc/imgs_words/ch/word_1.jpg'
result = ocr.ocr(img_path, det=False, rec=False, cls=True)
for line in result:
    print(line)

结果是一个list，每个item只包含分类结果和分类置信度

['0', 0.9999924]
['0', 0.9999924]

六 DB 场景文字检测

本节内容来自这里。

文章Real-time Scene Text Detection with Differentiable Binarization 提出的文字检测模型 DB 是 Differentiable Binarization 缩写。

基于分割的方法通常需要设着一个阈值来判断像素是否属于文字区域。

B i , j = { 1 if P i , j > = t , 0 otherwise . what t is the predefined threshold and (i, j) indicates the coordinate point in the map. B_{i,j} = \begin{cases} 1\ \ \text{if } P_{i,j} >= t, \\ 0\ \ \text{otherwise}. \\ \end{cases}\\ \text{what t is the predefined threshold and (i, j) indicates the coordinate point in the map.} Bi,j={1 if Pi,j>=t,0 otherwise.what t is the predefined threshold and (i, j) indicates the coordinate point in the map.

作者发现对每个像素分类的模型最终产生的概率分布会呈现出边界比较高概率的样子。所以为了让分割效果更加稳定引入了监督信息，

PaddleOCR使用

引入的方式是在普通的像素级的分类模型上增加一个辅助分支，来动态预测每个点的分割的阈值 Tij 然后用下面的公式来判断某个像素是否属于文字区域。

B ^ i , j = 1 1 + e − k ( P i , j − T i , j ) \hat{B}_{i,j}=\frac{1}{1+e^{-k(P_{i,j}-T_{i,j})}} B^i,j=1+e−k(Pi,j−Ti,j)1

训练的时候需要一个 thresh_map 的真值，这个真值的生成方式是把文本区域 G 扩大到G_d 计算 G_d内的点到 G 的边的标准化的最小距离 dis, thresh_map 的值就是 1-dis ， G 的边界两边都是很高的阈值，到 G 的中部会越来越小，文章设着最大阈值为0.7 最小为 0.3

有了这个 thresh_map 和预测输出的 P 代如公式二就能还原出哪些点是文本区域

由于正负样本通常是不均匀的，所以要对不是文本区域的像素做采样，采样的策略是和 OHEM 的方式类似，选取被预测文文字区域高的像素作为负样本。

最后最预测的时候并不需要阈值的分支。有点儿类似增加了边界像素权重的意思。主要的好处是省去了复杂的后处理过程。但是感觉比较难训练，相对而言， PSENet 是预测多个缩小的文字区域，最后用广度优先的方式来合并成一个文本区域，训练会简单些，只是有个后处理步骤。他们都能对相邻很近的文本区域有比较好的效果。

PaddleOCR使用

七快速理解文本识别模型CRNN

本节内容来自这里。

八 SLIM模型

SLIM推荐模型及分析：https://blog.csdn.net/nihaomafb/article/details/53741813

详解SLIM与GLSLIM推荐模型：https://blog.csdn.net/weixin_39064571/article/details/78835939

九其他开源项目

chineseocr_lite：https://github.com/ouyanghuiyu/chineseocr_lite。

darknet-ocr：https://github.com/chineseocr/darknet-ocr。

PaddleOCR和ChineseOCR的对比：https://blog.csdn.net/CHYabc123456hh/article/details/107846268

easyocrhttps://www.easyproject.cn/easyocr/zh-cn/index.jsp。

本节内容来自这里。

十 VS 运行库MT、MD的区别

VC项目属性→配置属性→C/C++→代码生成→运行时库可以采用的方式有：多线程(/MT)、多线程调试(/MTd)、多线程DLL(/MD)、多线程调试DLL(/MDd)、单线程(/ML)、单线程调试(/MLd)。

目前Win7、Win10等，选择MD问题不大，但是XP等一些比较老的系统需要选择MT。

两者的区别：

/MT是 "multithread, static version ” 意思是多线程静态的版本，定义了它后，编译器把LIBCMT.lib 安置到OBJ文件中，让链接器使用LIBCMT.lib 处理外部符号。

/MD是 "multithread- and DLL-specific version” ，意思是多线程DLL版本，定义了它后，编译器把 MSVCRT.lib 安置到OBJ文件中，它连接到DLL的方式是静态链接，实际上工作的库是

MSVCR80.DLL

。

即：

静态运行时库：

LIBCMT.lib

；

动态运行时库：

MSVCRT.li

b +

MSVCR80.DLL

。

所以，当你用CMAKE生成工程文件时，若CMAKE是用/MT生成的（查看工程原始目录的CMakeLists.txt)，则它所调用的运行时库为：LIBCMT.lib，若生成的工程的运行时库（Runtime Library)你选择/MD，则此工程在编译后链接的时候，将会调用动态运行时库：MSVCRT.lib + MSVCR80.DLL，明显，两次对同一个某运行时库里的函数调用的库不同，则会出现重定义的错误。若此工程生成的是库文件，则其他工程调用此库时也必须是/MT。

其他说明：

其中以小写“d”结尾的选项表示的DEBUG版本的，没有“d”的为RELEASE版本。大型项目中必须要求所有组件和第三方库的运行时库是统一的，否则将会出现LNK2005井喷。

单线程运行时库选项/ML和/MLd在VS2003以后就被废了。

PaddleOCR使用

目录

一概述

二快速安装

1 win10 python安装

2 C++编译

3 生成dll，c#调用

三 OCR模型列表

1 模型区别

2 模型分类

四中文OCR模型快速使用

1 以超轻量级模型为例：

2 单张图像或者图像集合预测

五 paddleocr package使用说明

1 安装whl包

2 代码使用

六 DB 场景文字检测

七快速理解文本识别模型CRNN

八 SLIM模型

九其他开源项目

十 VS 运行库MT、MD的区别

继续阅读

KEKR的机器学习笔记二———神经网络流程及如何矫正过拟合与欠拟合

Deep Reinforcement Learning 深度增强学习资源

基础篇 | 06 Apriori 算法

信息熵--决策树的建立算法ID3中使用

为什么使用梯度下降法或者梯度上升法

第一章.Classification -- 06.Evaluation Methods for Classifiers翻译

色域

OpencvSharp

CLARANS算法

第一章.Classification -- 01.Introduction to Classification翻译

什么是深度学习(Deep Learning)1 The Development of Deep Learning2. 机器学习3. 深度学习与传统神经网络的区别

Reinforcement learning and Deep learning1.Artificial Intelligence2. Machine Learning3. Reinfrocement Learning4. Deep Learning5.Reinforcement Learning和Deep learning的区别6. Reference

Machine Learning in Action(4) —— Classifying with probability theory: naïve BayesMachine Learning in Action(4) —— Classifying with probability theory: naïve Bayes

基于内容推荐算法详解

人工智能是什么？欢迎大家迈入人工智能的大门

PaddleOCR使用

目录

一 概述

二 快速安装

1 win10 python安装

2 C++编译

3 生成dll，c#调用

三 OCR模型列表

1 模型区别

2 模型分类

四 中文OCR模型快速使用

1 以超轻量级模型为例：

2 单张图像或者图像集合预测

五 paddleocr package使用说明

1 安装whl包

2 代码使用

六 DB 场景文字检测

七 快速理解文本识别模型CRNN

八 SLIM模型

九 其他开源项目

十 VS 运行库MT、MD的区别

继续阅读

一概述

二快速安装

四中文OCR模型快速使用

七快速理解文本识别模型CRNN

九其他开源项目