快捷導航

Python?paddleocr快速使用及參數(shù)配置詳解

更新時間：2024年06月04日 17:11:22 作者：ElaineTiger

PaddleOCR是基于PaddlePaddle深度學習框架的開源OCR工具,但它提供了推理模型/訓練模型/預訓練模型,用戶可以直接使用推理模型進行識別,也可以對訓練模型或預訓練模型進行再訓練,這篇文章主要介紹了Python?paddleocr快速使用及參數(shù)詳解,需要的朋友可以參考下

PaddleOCR是基于PaddlePaddle深度學習框架的開源OCR工具，但它提供了推理模型/訓練模型/預訓練模型，用戶可以直接使用推理模型進行識別，也可以對訓練模型或預訓練模型進行再訓練。支持約80種語言的文本識別，并具有較高的準確性和速度。

1. paddleocr快速使用

1.1 使用默認模型路徑

import cv2
from paddleocr import PaddleOCR
# 使用默認模型路徑
paddleocr = PaddleOCR(lang='ch', show_log=False)
img = cv2.imread('ch2.jpg')  # 打開需要識別的圖片
result = paddleocr.ocr(img)
for i in range(len(result[0])):
    print(result[0][i][1][0])   # 輸出識別結(jié)果

1.2 設(shè)定模型路徑

import cv2
from paddleocr import PaddleOCR
# 設(shè)定模型路徑
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') # 推理模型路徑
img = cv2.imread('ch2.jpg')  # 打開需要識別的圖片
result = paddleocr.ocr(img)
for i in range(len(result[0])):
    print(result[0][i][1][0])   # 輸出識別結(jié)果

2. PaddleOCR其他參數(shù)介紹

PaddleOCR模型推理參數(shù)解釋

在使用PaddleOCR進行模型推理時，可以自定義修改參數(shù)，來修改模型、數(shù)據(jù)、預處理、后處理等內(nèi)容，詳細的參數(shù)解釋如下所示。

全局信息

參數(shù)名稱	類型	默認值	含義
image_dir	str	無，必須顯式指定	圖像或者文件夾路徑
page_num	int	0	當輸入類型為pdf文件時有效，指定預測前面page_num頁，默認預測所有頁
vis_font_path	str	“./doc/fonts/simfang.ttf”	用于可視化的字體路徑
drop_score	float	0.5	識別得分小于該值的結(jié)果會被丟棄，不會作為返回結(jié)果
use_pdserving	bool	False	是否使用Paddle Serving進行預測
warmup	bool	False	是否開啟warmup，在統(tǒng)計預測耗時的時候，可以使用這種方法
draw_img_save_dir	str	“./inference_results”	系統(tǒng)串聯(lián)預測OCR結(jié)果的保存文件夾
save_crop_res	bool	False	是否保存OCR的識別文本圖像
crop_res_save_dir	str	“./output”	保存OCR識別出來的文本圖像路徑
use_mp	bool	False	是否開啟多進程預測
total_process_num	int	6	開啟的進程數(shù)，`use_mp`為`True`時生效
process_id	int	0	當前進程的id號，無需自己修改
benchmark	bool	False	是否開啟benchmark，對預測速度、顯存占用等進行統(tǒng)計
save_log_path	str	“./log_output/”	開啟`benchmark`時，日志結(jié)果的保存文件夾
show_log	bool	True	是否顯示預測中的日志信息
use_onnx	bool	False	是否開啟onnx預測

預測引擎相關(guān)

參數(shù)名稱	類型	默認值	含義
use_gpu	bool	True	是否使用GPU進行預測
ir_optim	bool	True	是否對計算圖進行分析與優(yōu)化，開啟后可以加速預測過程
use_tensorrt	bool	False	是否開啟tensorrt
min_subgraph_size	int	15	tensorrt中最小子圖size，當子圖的size大于該值時，才會嘗試對該子圖使用trt engine計算
precision	str	fp32	預測的精度，支持`fp32`, `fp16`, `int8` 3種輸入
enable_mkldnn	bool	True	是否開啟mkldnn
cpu_threads	int	10	開啟mkldnn時，cpu預測的線程數(shù)

文本檢測模型相關(guān)

參數(shù)名稱	類型	默認值	含義
det_algorithm	str	“DB”	文本檢測算法名稱，目前支持`DB`, `EAST`, `SAST`, `PSE`, `DB++`, `FCE`
det_model_dir	str	xx	檢測inference模型路徑
det_limit_side_len	int	960	檢測的圖像邊長限制
det_limit_type	str	“max”	檢測的邊長限制類型，目前支持`min`和`max`，`min`表示保證圖像最短邊不小于`det_limit_side_len`，`max`表示保證圖像最長邊不大于`det_limit_side_len`

其中，DB算法相關(guān)參數(shù)如下

參數(shù)名稱	類型	默認值	含義
det_db_thresh	float	0.3	DB輸出的概率圖中，得分大于該閾值的像素點才會被認為是文字像素點
det_db_box_thresh	float	0.6	檢測結(jié)果邊框內(nèi)，所有像素點的平均得分大于該閾值時，該結(jié)果會被認為是文字區(qū)域
det_db_unclip_ratio	float	1.5	`Vatti clipping`算法的擴張系數(shù)，使用該方法對文字區(qū)域進行擴張
max_batch_size	int	10	預測的batch size
use_dilation	bool	False	是否對分割結(jié)果進行膨脹以獲取更優(yōu)檢測效果
det_db_score_mode	str	“fast”	DB的檢測結(jié)果得分計算方法，支持`fast`和`slow`，`fast`是根據(jù)polygon的外接矩形邊框內(nèi)的所有像素計算平均得分，`slow`是根據(jù)原始polygon內(nèi)的所有像素計算平均得分，計算速度相對較慢一些，但是更加準確一些。

EAST算法相關(guān)參數(shù)如下

參數(shù)名稱	類型	默認值	含義
det_east_score_thresh	float	0.8	EAST后處理中score map的閾值
det_east_cover_thresh	float	0.1	EAST后處理中文本框的平均得分閾值
det_east_nms_thresh	float	0.2	EAST后處理中nms的閾值

SAST算法相關(guān)參數(shù)如下

參數(shù)名稱	類型	默認值	含義
det_sast_score_thresh	float	0.5	SAST后處理中的得分閾值
det_sast_nms_thresh	float	0.5	SAST后處理中nms的閾值
det_box_type	str	quad	是否多邊形檢測，彎曲文本場景（如Total-Text）設(shè)置為’poly’

PSE算法相關(guān)參數(shù)如下

參數(shù)名稱	類型	默認值	含義
det_pse_thresh	float	0.0	對輸出圖做二值化的閾值
det_pse_box_thresh	float	0.85	對box進行過濾的閾值，低于此閾值的丟棄
det_pse_min_area	float	16	box的最小面積，低于此閾值的丟棄
det_box_type	str	“quad”	返回框的類型，quad:四點坐標，poly: 彎曲文本的所有點坐標
det_pse_scale	int	1	輸入圖像相對于進后處理的圖的比例，如`640640`的圖像，網(wǎng)絡(luò)輸出為`160160`，scale為2的情況下，進后處理的圖片shape為`320*320`。這個值調(diào)大可以加快后處理速度，但是會帶來精度的下降

文本識別模型相關(guān)

參數(shù)名稱	類型	默認值	含義
rec_algorithm	str	“CRNN”	文本識別算法名稱，目前支持`CRNN`, `SRN`, `RARE`, `NETR`, `SAR`, `ViTSTR`, `ABINet`, `VisionLAN`, `SPIN`, `RobustScanner`, `SVTR`, `SVTR_LCNet`
rec_model_dir	str	無，如果使用識別模型，該項是必填項	識別inference模型路徑
rec_image_shape	str	“3,48,320”	識別時的圖像尺寸
rec_batch_num	int	6	識別的batch size
max_text_length	int	25	識別結(jié)果最大長度，在`SRN`中有效
rec_char_dict_path	str	“./ppocr/utils/ppocr_keys_v1.txt”	識別的字符字典文件
use_space_char	bool	True	是否包含空格，如果為`True`，則會在最后字符字典中補充`空格`字符

端到端文本檢測與識別模型相關(guān)

參數(shù)名稱	類型	默認值	含義
e2e_algorithm	str	“PGNet”	端到端算法名稱，目前支持`PGNet`
e2e_model_dir	str	無，如果使用端到端模型，該項是必填項	端到端模型inference模型路徑
e2e_limit_side_len	int	768	端到端的輸入圖像邊長限制
e2e_limit_type	str	“max”	端到端的邊長限制類型，目前支持`min`, `max`，`min`表示保證圖像最短邊不小于`e2e_limit_side_len`，`max`表示保證圖像最長邊不大于`e2e_limit_side_len`
e2e_pgnet_score_thresh	float	0.5	端到端得分閾值，小于該閾值的結(jié)果會被丟棄
e2e_char_dict_path	str	“./ppocr/utils/ic15_dict.txt”	識別的字典文件路徑
e2e_pgnet_valid_set	str	“totaltext”	驗證集名稱，目前支持`totaltext`, `partvgg`，不同數(shù)據(jù)集對應的后處理方式不同，與訓練過程保持一致即可
e2e_pgnet_mode	str	“fast”	PGNet的檢測結(jié)果得分計算方法，支持`fast`和`slow`，`fast`是根據(jù)polygon的外接矩形邊框內(nèi)的所有像素計算平均得分，`slow`是根據(jù)原始polygon內(nèi)的所有像素計算平均得分，計算速度相對較慢一些，但是更加準確一些。

方向分類器模型相關(guān)

參數(shù)名稱	類型	默認值	含義
use_angle_cls	bool	False	是否使用方向分類器
cls_model_dir	str	無，如果需要使用，則必須顯式指定路徑	方向分類器inference模型路徑
cls_image_shape	str	“3,48,192”	預測尺度
label_list	list	[‘0’, ‘180’]	class id對應的角度值
cls_batch_num	int	6	方向分類器預測的batch size
cls_thresh	float	0.9	預測閾值，模型預測結(jié)果為180度，且得分大于該閾值時，認為最終預測結(jié)果為180度，需要翻轉(zhuǎn)