【Python】paddleocr快速使用及参数详解

文章目录

• 1. paddleocr快速使用
• • 1.1 使用默认模型路径
  • 1.2 设定模型路径
  • 2. PaddleOCR其他参数介绍
  • PaddleOCR模型推理参数解释

    其它相关推荐：

    PaddleOCR模型训练及使用详细教程

    官方网址：https://github.com/PaddlePaddle/PaddleOCR

      PaddleOCR是基于PaddlePaddle深度学习框架的开源OCR工具，但它提供了推理模型/训练模型/预训练模型，用户可以直接使用推理模型进行识别，也可以对训练模型或预训练模型进行再训练。支持约80种语言的文本识别，并具有较高的准确性和速度。

    1. paddleocr快速使用

    1.1 使用默认模型路径

    import cv2from paddleocr import PaddleOCR# 使用默认模型路径paddleocr = PaddleOCR(lang='ch', show_log=False)img = cv2.imread('ch2.jpg')  # 打开需要识别的图片result = paddleocr.ocr(img)for i in range(len(result[0])):    print(result[0][i][1][0])   # 输出识别结果

    1.2 设定模型路径

    import cv2from paddleocr import PaddleOCR# 设定模型路径paddleocr = PaddleOCR(lang='ch', show_log=False,                       det_model_dir='.paddleocr\whl\det\ch\ch_PP-OCRv4_det_infer',                      rec_model_dir='.paddleocr\whl\rec\ch\ch_PP-OCRv4_rec_infer') # 推理模型路径img = cv2.imread('ch2.jpg')  # 打开需要识别的图片result = paddleocr.ocr(img)for i in range(len(result[0])):    print(result[0][i][1][0])   # 输出识别结果

    2. PaddleOCR其他参数介绍

    PaddleOCR模型推理参数解释

    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，详细的参数解释如下所示。

    • 全局信息

      参数名称	类型	默认值	含义
      image_dir	str	无，必须显式指定	图像或者文件夹路径
      page_num	int	0	当输入类型为pdf文件时有效，指定预测前面page_num页，默认预测所有页
      vis_font_path	str	“./doc/fonts/simfang.ttf”	用于可视化的字体路径
      drop_score	float	0.5	识别得分小于该值的结果会被丢弃，不会作为返回结果
      use_pdserving	bool	False	是否使用Paddle Serving进行预测
      warmup	bool	False	是否开启warmup，在统计预测耗时的时候，可以使用这种方法
      draw_img_save_dir	str	“./inference_results”	系统串联预测OCR结果的保存文件夹
      save_crop_res	bool	False	是否保存OCR的识别文本图像
      crop_res_save_dir	str	“./output”	保存OCR识别出来的文本图像路径
      use_mp	bool	False	是否开启多进程预测
      total_process_num	int	6	开启的进程数，use_mp为True时生效
      process_id	int	0	当前进程的id号，无需自己修改
      benchmark	bool	False	是否开启benchmark，对预测速度、显存占用等进行统计
      save_log_path	str	“./log_output/”	开启benchmark时，日志结果的保存文件夹
      show_log	bool	True	是否显示预测中的日志信息
      use_onnx	bool	False	是否开启onnx预测

      • 预测引擎相关

        参数名称	类型	默认值	含义
        use_gpu	bool	True	是否使用GPU进行预测
        ir_optim	bool	True	是否对计算图进行分析与优化，开启后可以加速预测过程
        use_tensorrt	bool	False	是否开启tensorrt
        min_subgraph_size	int	15	tensorrt中最小子图size，当子图的size大于该值时，才会尝试对该子图使用trt engine计算
        precision	str	fp32	预测的精度，支持fp32, fp16, int8 3种输入
        enable_mkldnn	bool	True	是否开启mkldnn
        cpu_threads	int	10	开启mkldnn时，cpu预测的线程数

        • 文本检测模型相关

          参数名称	类型	默认值	含义
          det_algorithm	str	“DB”	文本检测算法名称，目前支持DB, EAST, SAST, PSE, DB++, FCE
          det_model_dir	str	xx	检测inference模型路径
          det_limit_side_len	int	960	检测的图像边长限制
          det_limit_type	str	“max”	检测的边长限制类型，目前支持min和max，min表示保证图像最短边不小于det_limit_side_len，max表示保证图像最长边不大于det_limit_side_len

          其中，DB算法相关参数如下

          参数名称	类型	默认值	含义
          det_db_thresh	float	0.3	DB输出的概率图中，得分大于该阈值的像素点才会被认为是文字像素点
          det_db_box_thresh	float	0.6	检测结果边框内，所有像素点的平均得分大于该阈值时，该结果会被认为是文字区域
          det_db_unclip_ratio	float	1.5	Vatti clipping算法的扩张系数，使用该方法对文字区域进行扩张
          max_batch_size	int	10	预测的batch size
          use_dilation	bool	False	是否对分割结果进行膨胀以获取更优检测效果
          det_db_score_mode	str	“fast”	DB的检测结果得分计算方法，支持fast和slow，fast是根据polygon的外接矩形边框内的所有像素计算平均得分，slow是根据原始polygon内的所有像素计算平均得分，计算速度相对较慢一些，但是更加准确一些。

          EAST算法相关参数如下

          参数名称	类型	默认值	含义
          det_east_score_thresh	float	0.8	EAST后处理中score map的阈值
          det_east_cover_thresh	float	0.1	EAST后处理中文本框的平均得分阈值
          det_east_nms_thresh	float	0.2	EAST后处理中nms的阈值

          SAST算法相关参数如下

          参数名称	类型	默认值	含义
          det_sast_score_thresh	float	0.5	SAST后处理中的得分阈值
          det_sast_nms_thresh	float	0.5	SAST后处理中nms的阈值
          det_box_type	str	quad	是否多边形检测，弯曲文本场景（如Total-Text）设置为’poly’

          PSE算法相关参数如下

          参数名称	类型	默认值	含义
          det_pse_thresh	float	0.0	对输出图做二值化的阈值
          det_pse_box_thresh	float	0.85	对box进行过滤的阈值，低于此阈值的丢弃
          det_pse_min_area	float	16	box的最小面积，低于此阈值的丢弃
          det_box_type	str	“quad”	返回框的类型，quad:四点坐标，poly: 弯曲文本的所有点坐标
          det_pse_scale	int	1	输入图像相对于进后处理的图的比例，如640*640的图像，网络输出为160*160，scale为2的情况下，进后处理的图片shape为320*320。这个值调大可以加快后处理速度，但是会带来精度的下降

          • 文本识别模型相关

            参数名称	类型	默认值	含义
            rec_algorithm	str	“CRNN”	文本识别算法名称，目前支持CRNN, SRN, RARE, NETR, SAR, ViTSTR, ABINet, VisionLAN, SPIN, RobustScanner, SVTR, SVTR_LCNet
            rec_model_dir	str	无，如果使用识别模型，该项是必填项	识别inference模型路径
            rec_image_shape	str	“3,48,320”	识别时的图像尺寸
            rec_batch_num	int	6	识别的batch size
            max_text_length	int	25	识别结果最大长度，在SRN中有效
            rec_char_dict_path	str	“./ppocr/utils/ppocr_keys_v1.txt”	识别的字符字典文件
            use_space_char	bool	True	是否包含空格，如果为True，则会在最后字符字典中补充空格字符

            • 端到端文本检测与识别模型相关

              参数名称	类型	默认值	含义
              e2e_algorithm	str	“PGNet”	端到端算法名称，目前支持PGNet
              e2e_model_dir	str	无，如果使用端到端模型，该项是必填项	端到端模型inference模型路径
              e2e_limit_side_len	int	768	端到端的输入图像边长限制
              e2e_limit_type	str	“max”	端到端的边长限制类型，目前支持min, max，min表示保证图像最短边不小于e2e_limit_side_len，max表示保证图像最长边不大于e2e_limit_side_len
              e2e_pgnet_score_thresh	float	0.5	端到端得分阈值，小于该阈值的结果会被丢弃
              e2e_char_dict_path	str	“./ppocr/utils/ic15_dict.txt”	识别的字典文件路径
              e2e_pgnet_valid_set	str	“totaltext”	验证集名称，目前支持totaltext, partvgg，不同数据集对应的后处理方式不同，与训练过程保持一致即可
              e2e_pgnet_mode	str	“fast”	PGNet的检测结果得分计算方法，支持fast和slow，fast是根据polygon的外接矩形边框内的所有像素计算平均得分，slow是根据原始polygon内的所有像素计算平均得分，计算速度相对较慢一些，但是更加准确一些。

              • 方向分类器模型相关

                参数名称	类型	默认值	含义
                use_angle_cls	bool	False	是否使用方向分类器
                cls_model_dir	str	无，如果需要使用，则必须显式指定路径	方向分类器inference模型路径
                cls_image_shape	str	“3,48,192”	预测尺度
                label_list	list	[‘0’, ‘180’]	class id对应的角度值
                cls_batch_num	int	6	方向分类器预测的batch size
                cls_thresh	float	0.9	预测阈值，模型预测结果为180度，且得分大于该阈值时，认为最终预测结果为180度，需要翻转

                其它相关推荐：

                PaddleOCR模型训练及使用详细教程