Paddle笔记：PaddleOCR文字识别，简单实用，默认训练模型识别度不错 |
您所在的位置：网站首页 › paddle开源模型 › Paddle笔记：PaddleOCR文字识别，简单实用，默认训练模型识别度不错 |
Paddle笔记：PaddleOCR文字识别，简单实用，默认训练模型识别度不错
|
PaddleOCR是百度深度学习框架PaddlePaddle开源的OCR项目，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。PaddleOCR包含丰富的文本检测、文本识别以及端到端算法。 你可能用到的网址： Paddle官网：飞桨PaddlePaddle-源于产业实践的开源深度学习平台 正文PaddleOCR特性: 超轻量级中文OCR模型，总模型仅8.6M单模型支持中英文数字组合识别、竖排文本识别、长文本识别检测模型DB（4.1M）+识别模型CRNN（4.5M）实用通用中文OCR模型多种预测推理部署方案，包括服务部署和端侧部署多种文本检测训练算法，EAST、DB、SAST多种文本识别训练算法，Rosetta、CRNN、STAR-Net、RARE、SRN可运行于Linux、Windows、MacOS等多种系统 一、前期准备 1. 依赖库安装我用的是在 Pycharm 内自动安装，版本默认了当前最高，方便高效。 PaddlePaddle：基础环境，PaddleOCR需在PaddlePaddle下才可以正常运行；PaddleOCR：图片识别的插件；
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，下载地址如下（官网入口）：
我使用的是【PP-OCRv3】模型，下载到本地之后分别进行解压，创建一个models文件夹，把下载好的模型文件解压到该models文件夹中，并将models文件夹放入到PaddleOCR根目录下，如下所示：
文字模板不是必须的，在 draw_ocr() 方法中使用文字模板是为了提高图片的文字识别率。 因为是识别网络字体，所以我使用的是【SIMSUN.TTC】文字模板。SIMSUN.TTC 是一款很常见、实用的电脑字体，需要的小伙伴，百度【SIMSUN.TTC】就可以找到下载链接。 二、项目实践读取图片需要用到 OpenCV 的技术，然后利用 PaddleOCR 进行图片的文字识别，识别过程中可以自定义训练模型和文字模板，这会影响最终文字的识别率。 1. 图片准备就用篇头展示的图片吧，这是京东商城某商品的介绍图。 2. 代码展示 # _*_coding:utf-8_*_ # 作者： Java Punk # 时间： 2022-10-09 14:49:45 # 功能： 图片文字识别 import cv2 from math import * import numpy as np from PIL import Image from paddleocr import PaddleOCR, draw_ocr def img_match(img_address): # 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` # 这里 use_angle_cls=False 为不使用自定义训练集 ocr = PaddleOCR(use_angle_cls=False, lang="ch", use_gpu=False) # use_angle_cls=True使用训练模型，模型放在models目录下 # ocr = PaddleOCR(use_angle_cls=True,lang="ch", # rec_model_dir='../models/ch_PP-OCRv3_rec_slim_infer/', # cls_model_dir='../models/ch_ppocr_mobile_v2.0_cls_slim_infer/', # det_model_dir='../models/ch_PP-OCRv3_det_slim_infer/') src_img = cv2.imread(img_address) h, w = src_img.shape[:2] big = int(sqrt(h * h + w * w)) big_img = np.empty((big, big, src_img.ndim), np.uint8) yoff = round((big - h) / 2) xoff = round((big - w) / 2) big_img[yoff:yoff + h, xoff:xoff + w] = src_img # 文字识别 matRotate = cv2.getRotationMatrix2D((big * 0.5, big * 0.5), 0, 1) dst = cv2.warpAffine(big_img, matRotate, (big, big)) result = ocr.ocr(dst, cls=True) boxes = [line[0] for line in result] txts = [line[1][0] for line in result] scores = [line[1][1] for line in result] # simsun.ttc 是一款很常见、实用的电脑字体，这里作为识别的模板 # 我们利用该模板进行文字识别 im_show = draw_ocr(dst, boxes, txts, scores, font_path='../fonts/SIMSUN.TTC') im_show = Image.fromarray(im_show) img = np.asarray(im_show) # 展示结果 cv2.imshow('img', img) cv2.waitKey(0) # 图片识别结果保存在代码同目录下 # im_show.save('result.jpg') # 关闭页面 cv2.destroyAllWindows() pass if __name__ == '__main__': print("———————————————————— start ————————————————————\n") # 图片路径自己设置，下面是我本地的路径，记得替换！！！ img_match('../img/jd/goods_02.png') print("———————————————————— end ————————————————————\n") 3. 效果展示最终识别率还不错。
大家可以自行练习不使用 lang="ch"，训练模型和文字模板，或者只使用其中的几个看看效果怎样。 结论可以先告诉大家：文字的识别率会有不一样，当识别率低的时候，个别文字会被识别错误。 |
【本文地址】
今日新闻 |
推荐新闻 |