视觉学习笔记12——百度飞浆框架的PaddleOCR 安装、标注、训练以及测试

系列文章目录

虚拟环境部署
参考博客1
参考博客2
参考博客3
参考博客4

文章目录

系列文章目录
一、简单介绍
- 1.OCR介绍
- 2.PaddleOCR介绍
二、安装
- 1.anaconda基础环境
- - 1）anaconda的基本操作
  - 2）搭建飞浆的基础环境
- 2.安装paddlepaddle-gpu版本
- - 1）安装
  - 2）验证
- 3.pip安装paddleocr whl包
- - 1）2.6版本的paddleocr安装
  - 2）验证
- 4.安装PPOCRLabel
- - 1）2.6版本paddleocr和PPOCRLabel的版本对应
  - 2）2.7版本paddleocr和PPOCRLabel的版本对应
三、PPOCRLabel标注
四、PaddleOCR训练与测试
- 1.文本检测模型训练与测试
- - 1）下载预训练模型
  - 2）修改参数配置文件
  - 3）可视化训练过程
  - 4）模型评估测试
- 2.文本识别模型训练
- - 1）下载预训练模型
  - 2）修改参数配置文件
  - 3）可视化训练过程
  - 4）模型评估测试
五、补充

一、简单介绍

1.OCR介绍

OCR（光学字符识别）是一种将图像中的文字自动转换为可编辑文本的技术。现在，各大厂商均有提供各种场景的OCR识别的API。但是，也有一些开源的OCR框架和工具，可以支持自我定制和训练，使得开发人员能够更加灵活地应对不同场景下的OCR需求。

OCR（光学字符识别）的简单实现流程通常包括以下步骤：

1、图像预处理：首先，对输入的图像进行预处理，包括灰度化、二值化、去噪等操作。这些操作有助于提高字符识别的准确性和稳定性。
2、文本区域检测：使用图像处理技术（如边缘检测、轮廓分析等），找到图像中可能包含文本的区域。这些区域通常是字符或文本行的边界。
3、字符分割：对于文本行，需要将其分割为单个字符。这可以通过字符之间的间距、连通性等特征进行分割。
4、特征提取：对于每个字符，提取其特征表示。常见的特征包括形状、角度、纹理等。特征提取有助于将字符转化为可供分类器处理的数值表示。
5、字符分类：使用分类器（如机器学习算法或深度学习模型）对提取的字符特征进行分类，将其识别为相应的字符类别。分类器可以是预训练模型，也可以是自定义训练的模型。
6、后处理：对识别的字符进行后处理，如纠正错误、校正倾斜、去除冗余等。这可以提高最终结果的准确性和可读性。
7、输出结果：将识别的字符组合成最终的文本输出，可以是单个字符、单词或完整的文本。

在这里插入图片描述

2.PaddleOCR介绍

飞桨首次开源文字识别模型套件PaddleOCR，目标是打造丰富、领先、实用的文本识别模型/工具库。 PaddleOCR是一个基于飞桨开发的OCR（Optical Character Recognition，光学字符识别）系统。其技术体系包括文字检测、文字识别、文本方向检测和图像处理等模块。以下是其优点：

高精度：PaddleOCR采用深度学习算法进行训练，可以在不同场景下实现高精度的文字检测和文字识别。

多语种支持：PaddleOCR支持多种语言的文字识别，包括中文、英文、日语、韩语等。同时，它还支持多种不同文字类型的识别，如手写字、印刷体、表格等。

高效性：PaddleOCR的训练和推理过程都采用了高效的并行计算方法，可大幅提高处理速度。同时，其轻量化设计也使得PaddleOCR能够在移动设备上进行部署，适用于各种场景的应用。

易用性：PaddleOCR提供了丰富的API接口和文档说明，用户可以快速进行模型集成和部署，实现自定义的OCR功能。同时，其开源代码也为用户提供了更好的灵活性和可扩展性。

鲁棒性：PaddleOCR采用了多种数据增强技术和模型融合策略，能够有效地应对图像噪声、光照变化等干扰因素，并提高模型的鲁棒性和稳定性。

总之，PaddleOCR具有高精度、高效性、易用性和鲁棒性等优点，为用户提供了一个强大的OCR解决方案。

对比其他开源的OCR项目：

优点：
轻量模型，执行速度快
支持pip直接安装
ocr识别效果好，效果基本可以比肩大厂收费ocr（非高精版）
支持表格和方向识别
支持补充训练且很方便

缺点：
部分符号识别效果一般，如 '|‘识别为’1’
对于部分加粗字体可能出现误识别，需要自己补充训练
偶尔会出现部分内容丢失的情况

二、安装

1.anaconda基础环境

1）anaconda的基本操作

查看conda环境：
conda info --envs

创建虚拟环境
conda create -n your_env_name python=x.x

激活或者切换虚拟环境
 source activate your_env_nam

 查看虚拟环境中的库
 conda list

关闭虚拟环境
source deactivate 

删除虚拟环境
conda remove -n your_env_name --all

2）搭建飞浆的基础环境

因为是新项目，所以专门使用anaconda搭建该项目的基本环境
使用anaconda的环境复制命令，复制一个已经安装好常用库的虚拟环境，这样就可以省下重新安装大部分库的工作了，可以参考虚拟环境部署

假设已有环境名为A，需要生成的环境名为B：（我自己用过，在同一台机器上克隆原始环境到另一个环境，挺好用的）
conda create -n B --clone A

比如：
conda create -n ocr --clone py36

2.安装paddlepaddle-gpu版本

1）安装

进入准备好的anaconda环境
根据对应的cuda和cudnn版本，安装对应的paddlepaddle版本
建议不要安装最新的paddlepaddle版本，我安装最新的一直失败
飞浆官网提供的旧版本安装命令

一定要根据自己的环境，选择正确的命令，比如：

# CUDA 10.2
python3 -m pip install paddlepaddle-gpu==2.4.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

2）验证

验证安装是否成功，终端输入python，然后分别输入以下两行代码

import paddle
 
paddle.utils.run_check()

在这里插入图片描述

3.pip安装paddleocr whl包

1）2.6版本的paddleocr安装

推荐使用2.0.1+版本，最新版本为2.7，我选择2.6版本，但是2.6版本的paddleocr和PPOCRLabel之间出现一些未解决环境bug，所以关于2.6版本的paddleocr安装仅供参考，安装命令如下：

pip install "paddleocr>=2.6"

使用了以上命令安装却出现PyMuPDF错误，如下：

 Building wheel for PyMuPDF (setup.py) ... error
 ......
 ......
 ......
 ERROR: Failed building wheel for PyMuPDF

github查到具体解决方案

使用如下命令重新安装：

pip install "paddleocr>=2.6" --upgrade PyMuPDF==1.18.0

2）验证

首先使用以下命令查看虚拟环境中的paddleocr是不是2.6版本：

conda list

其次下载以下官方提供的推理测试模型进行测试：

det_model_dir是文本检测的位置，

rec_model_dir是文本识别的位置，

cls_model_dir是方向分类的位置，

最后使用以下代码，更新模型与图片路径进行测试：

import os
import time

from paddleocr import PaddleOCR
import pandas as pd
import numpy as np
import cv2


def ocr_predict(img):
    '''
    det_model_dir:文本检测
    rec_model_dir:文本识别
    cls_model_dir:方向分类
    '''
    ocr = PaddleOCR(det_model_dir="路径/det/ch/ch_PP-OCRv4_det_infer/",
                    rec_model_dir="路径/rec/ch/ch_PP-OCRv4_rec_infer/",
                    cls_model_dir="路径/cls/ch_ppocr_mobile_v2.0_cls_infer/",
                    lang='ch', use_angle_cls=True,
                    use_gpu=False)
    result = ocr.ocr(img)
    print(result)


if __name__ == '__main__':
    img_path = "路径/ys.jpeg"
    ocr_predict(img_path)

测试图片：

在这里插入图片描述

测试结果：

[[[[[57.0, 31.0], [977.0, 32.0], [977.0, 75.0], [57.0, 74.0]],
(‘椰树集团直接从椰子农户收购海南自种老椰子’, 0.98974609375)], [[[54.0, 93.0], [976.0,
95.0], [976.0, 138.0], [54.0, 136.0]], (‘每个致富价五元，比原来收购价提高两倍’, 0.994292140007019)], [[[172.0, 163.0], [855.0, 163.0], [855.0, 205.0], [172.0, 205.0]], (‘转手收购的椰子不享受致富价’, 0.9931609630584717)], [[[61.0,
230.0], [961.0, 230.0], [961.0, 309.0], [61.0, 309.0]], (‘致富价保证30年不降’, 0.9948785901069641)], [[[128.0, 341.0], [985.0, 341.0], [985.0, 380.0], [128.0, 380.0]], (‘为助力乡村经济振兴，响应省政府大力发展’, 0.9951123595237732)], [[[35.0, 394.0], [745.0, 394.0], [745.0, 437.0], [35.0, 437.0]],
(‘三棵树（椰子树、橡胶树、槟榔树）’, 0.9626081585884094)], [[[757.0, 396.0], [983.0,
396.0], [983.0, 436.0], [757.0, 436.0]], (‘的号召，让’, 0.9951451420783997)], [[[37.0, 451.0], [982.0, 451.0], [982.0, 490.0], [37.0, 490.0]], (‘农民致富，实现椰树集团年产值百亿元，打造’, 0.9915739893913269)],
[[[80.0, 507.0], [980.0, 507.0], [980.0, 546.0], [80.0, 546.0]],
(‘百年椰树”，决定从2021年7月10日开始按’, 0.981215238571167)], [[[33.0, 558.0],
[692.0, 562.0], [692.0, 604.0], [33.0, 601.0]], (‘致富价收购海南农民自种老椰子。’,
0.992202877998352)], [[[35.0, 629.0], [526.0, 629.0], [526.0, 654.0], [35.0, 654.0]], (‘四组收购地址：文昌市东郊镇码头村码头路113号’, 0.9902203679084778)],
[[[754.0, 630.0], [983.0, 630.0], [983.0, 652.0], [754.0, 652.0]],
(‘收购电话：13322039539’, 0.9966092109680176)], [[[35.0, 667.0], [327.0,
667.0], [327.0, 692.0], [35.0, 692.0]], (‘六组收购地址：琼海市合石村’, 0.99151611328125)], [[[754.0, 666.0], [985.0, 666.0], [985.0, 691.0], [754.0, 691.0]], (‘收购电话：13627592295’, 0.9962812662124634)], [[[35.0,
705.0], [562.0, 705.0], [562.0, 730.0], [35.0, 730.0]], (‘八组收购地址：文昌市东郊镇、万宁市长丰镇牛漏村’, 0.980197548866272)], [[[753.0, 704.0],
[983.0, 704.0], [983.0, 729.0], [753.0, 729.0]], (‘收购电话：13876033357’,
0.9965571165084839)], [[[34.0, 742.0], [398.0, 742.0], [398.0, 767.0], [34.0, 767.0]], (‘九组收购地址：文昌市东郊镇白石村’, 0.993116557598114)], [[[754.0,
743.0], [983.0, 743.0], [983.0, 765.0], [754.0, 765.0]], (‘收购电话：13976682778’, 0.9968530535697937)], [[[187.0, 780.0], [396.0,
780.0], [396.0, 805.0], [187.0, 805.0]], (‘文昌市会文镇冠南村’, 0.9976257681846619)], [[[753.0, 780.0], [986.0, 780.0], [986.0, 805.0], [753.0, 805.0]], (‘收购电话：18789985540’, 0.9975140690803528)], [[[35.0, 817.0], [727.0, 818.0], [727.0, 843.0], [35.0, 842.0]],
(‘十组收购地址：文昌市蓬莱镇绿涛收购点、琼海市塔洋镇里文收购点’, 0.9777908325195312)], [[[754.0,
819.0], [983.0, 819.0], [983.0, 841.0], [754.0, 841.0]], (‘收购电话：13907682168’, 0.9975283741950989)], [[[37.0, 856.0], [444.0,
856.0], [444.0, 881.0], [37.0, 881.0]], (‘十一组收购地址：文昌市铺前镇、万宁市’, 0.9792234897613525)], [[[753.0, 855.0], [982.0, 855.0], [982.0, 880.0], [753.0, 880.0]], (‘收购电话：13707557555’, 0.9971356987953186)]]]

4.安装PPOCRLabel

1）2.6版本paddleocr和PPOCRLabel的版本对应

以上完成了paddlepaddle和paddleocr的安装，并成功通过测试

接下来应该完成PPOCRLabel标注工具的安装与使用

打开paddleocr库选择2.6版本下载并解压
https://github.com/PaddlePaddle/PaddleOCR/archive/refs/heads/release/2.6.zip

接着直接进入PPOCRLabel文件夹：

cd PaddleOCR-release-2.6/PPOCRLabel

安装PPOCRLabel，为标注数据作准备，运行以下代码：

python setup.py bdist_wheel

该目录下dist文件夹中会生成一个whl文件
接着运行：

pip3 install dist/PPOCRLabel-2.1.3-py2.py3-none-any.whl

可能会提示缺少polygon 库，可以使用pip install Polygon3 -i https://pypi.tuna.tsinghua.edu.cn/simple命令安装。

如果还提示缺少其他包，同样是用pip install “packname” -i https://pypi.tuna.tsinghua.edu.cn/simple命令安装即可。

安装过程可能会出现的报错：

#无法导入str2int_tuple
ImportError: cannot import name 'str2int_tuple'

/anaconda3/envs/ocr/lib/python3.6/site-packages/paddleocr/tools/infer
目录下的utility.py文件内部缺少str2int_tuple函数，是因为源码安装与命令行安装的paddleocr所导致的，根据源码的utility.py文件去修改虚拟环境下的utility.py文件即可，主要进行以下修改：

# 查找str2bool函数
def str2bool(v):
    return v.lower() in ("true", "yes", "t", "y", "1")

#在str2bool函数后面添加str2int_tuple函数
def str2int_tuple(v):
    return tuple([int(i.strip()) for i in v.split(",")])

PPOCRLabel安装成功后，运行以下命令打开：

python PPOCRLabel --lang ch
或
PPOCRLabel --lang ch

在尝试打开PPOCRLabel时，出现了一个bug：

Got keys from plugin meta data ("xcb")
QFactoryLoader::QFactoryLoader() checking directory path "/anaconda3/envs/ocr/bin/platforms" ...
loaded library "/anaconda3/envs/ocr/lib/python3.8/site-packages/cv2/qt/plugins/platforms/libqxcb.so"
QObject::moveToThread: Current thread (0xeb24e0) is not the object's thread (0x5bcd480).
Cannot move to target thread (0xeb24e0)

qt.qpa.plugin: Could not load the Qt platform plugin "xcb" in "/anaconda3/envs/ocr/lib/python3.8/site-packages/cv2/qt/plugins" even though it was found.
This application failed to start because no Qt platform plugin could be initialized. Reinstalling the application may fix this problem.

Available platform plugins are: xcb, eglfs, linuxfb, minimal, minimalegl, offscreen, vnc, wayland-egl, wayland, wayland-xcomposite-egl, wayland-xcomposite-glx, webgl.

这是一个QT问题，很多人都遇见这个问题，常见的解决方法如下：

1、添加bashrc环境export QT_DEBUG_PLUGINS=1，查看是否缺少某些库文件，sudo apt-get install 安装补充
2、降低opencv-contrib-python和opencv-python的版本
3、调整pyqt5的版本或者使用conda安装不使用pip安装pyqt5
4、安装opencv-python-headless库
。。。。。。

我遇到的这个这个问题其实是pyqt5与cv2之间的冲突问题，pyqt5与anaconda3/envs/ocr/lib/python3.8/site-packages/cv2/qt/plugins/platforms发生了冲突，，以上的方法大多数也是倾向于解决掉cv2中的platforms。

官方提供的思路如下：

pip install opencv-python==4.2.0.32 -i https://pypi.tuna.tsinghua.edu.cn/simple

如果不想修改cv版本，那么就去把anaconda3/envs/ocr/lib/python3.8/site-packages/cv2/qt/plugins/platforms中的platforms重命名即可。

按理来说到这里就没有问题了，但是我在启动PPOCRLabel时又出现以下报错而且打不开PPOCRLabel，至今没有解决：

Got keys from plugin meta data ("xcb_glx")
QFactoryLoader::QFactoryLoader() checking directory path "/anaconda3/envs/ocr/bin/xcbglintegrations" ...
loaded library "/anaconda3/envs/ocr/lib/python3.8/site-packages/PyQt5/Qt5/plugins/xcbglintegrations/libqxcb-glx-integration.so"
[2023/12/06 09:42:12] ppocr WARNING: When args.layout is false, args.ocr is automatically set to false

折腾了几天后，觉得是2.6版本paddleocr和PPOCRLabel之间的bug导致的，因为使用2.7版本就能够打开PPOCRLabel。

2）2.7版本paddleocr和PPOCRLabel的版本对应

最新版本2.7，安装命令如下：

pip install "paddleocr==2.7"

与2.6版本的PPOCRLabel源码安装类似

打开paddleocr库选择2.7版本下载并解压

接着直接进入PPOCRLabel文件夹：

cd PaddleOCR-release-2.7/PPOCRLabel

安装PPOCRLabel，为标注数据作准备，运行以下代码：

python setup.py bdist_wheel

该目录下dist文件夹中会生成一个whl文件
接着运行：

#这里就有一些不同
pip3 install dist/paddleocr-2.7.0.1-py3-none-any.whl

可能会提示缺少polygon 库，可以使用pip install Polygon3 -i https://pypi.tuna.tsinghua.edu.cn/simple命令安装。

如果还提示缺少其他包，同样是用pip install “packname” -i https://pypi.tuna.tsinghua.edu.cn/simple命令安装即可。

PPOCRLabel安装成功后，运行以下命令打开：

python PPOCRLabel --lang ch
或
PPOCRLabel --lang ch

在尝试打开PPOCRLabel时，同样出现bug：

Got keys from plugin meta data ("xcb")
QFactoryLoader::QFactoryLoader() checking directory path "/anaconda3/envs/ocr/bin/platforms" ...
loaded library "/anaconda3/envs/ocr/lib/python3.8/site-packages/cv2/qt/plugins/platforms/libqxcb.so"
QObject::moveToThread: Current thread (0xeb24e0) is not the object's thread (0x5bcd480).
Cannot move to target thread (0xeb24e0)

qt.qpa.plugin: Could not load the Qt platform plugin "xcb" in "/anaconda3/envs/ocr/lib/python3.8/site-packages/cv2/qt/plugins" even though it was found.
This application failed to start because no Qt platform plugin could be initialized. Reinstalling the application may fix this problem.

Available platform plugins are: xcb, eglfs, linuxfb, minimal, minimalegl, offscreen, vnc, wayland-egl, wayland, wayland-xcomposite-egl, wayland-xcomposite-glx, webgl.

官方提供的思路如下：

pip install opencv-python==4.2.0.32 -i https://pypi.tuna.tsinghua.edu.cn/simple

如果不想修改cv版本，那么就去把anaconda3/envs/ocr/lib/python3.8/site-packages/cv2/qt/plugins/platforms中的platforms重命名即可。

启动PPOCRLabelPPOCRLabel --lang ch又出现以下报错：

Got keys from plugin meta data ("xcb_glx")
QFactoryLoader::QFactoryLoader() checking directory path "/anaconda3/envs/ocr/bin/xcbglintegrations" ...
loaded library "/anaconda3/envs/ocr/lib/python3.8/site-packages/PyQt5/Qt5/plugins/xcbglintegrations/libqxcb-glx-integration.so"
[2023/12/06 09:42:12] ppocr WARNING: When args.layout is false, args.ocr is automatically set to false

但是PPOCRLabel却能够成功开启。
在这里插入图片描述

三、PPOCRLabel标注

1）先命令行打开PPOCRLabel图形化界面

2）打开左上角的PaddleOCR选项列表，点击选择模型选项，然后选择中文&英文，确认
在这里插入图片描述

3）打开左上角的文件选项列表，点击打开目录选项，打开需要标注的图片所在文件夹

4）点击左下角的自动标注选项，PPOCRLabel会自动调用模型对每张图片进行标注，等待进度条100%，然后OK

在这里插入图片描述

5）自动标注结束以后，打开左上角的文件选项列表，点击导出标记结果和导出识别结果选项

6）开始对每张图片进行检查，点击矩形标注和多点标注选项，手动修改不好的检测框和标签，没问题的点击确认，不喜欢的点击删除图片选项，PPOCRLabel工具操作快捷键如下

在这里插入图片描述

7）标注结束以后，再次点击导出标记结果和导出识别结果选项，然后检查图片文件夹中是否生成以下文件

文件名	说明
Label.txt	检测标签，可直接用于PPOCR检测模型训练。用户每确认5张检测结果后，程序会进行自动写入。当用户关闭应用程序或切换文件路径后同样会进行写入。
fileState.txt	图片状态标记文件，保存当前文件夹下已经被用户手动确认过的图片名称。
Cache.cach	缓存文件，保存模型自动识别的结果。
rec_gt.txt	识别标签。可直接用于PPOCR识别模型训练。需用户手动点击菜单栏“文件” - "导出识别结果"后产生。
crop_img	识别数据。按照检测框切割后的图片。与rec_gt.txt同时产生。

8）输入以下命令执行数据集划分脚本：

trainValTestRatio 是训练集、验证集、测试集的图像数量划分比例，根据实际情况设定，默认是6:2:2

datasetRootPath 是PPOCRLabel标注的完整数据集存放路径。默认路径是 PaddleOCR/train_data 分割数据集前

cd ./PPOCRLabel # 将目录切换到PPOCRLabel文件夹下
python gen_ocr_train_val_test.py --trainValTestRatio 6:2:2 --datasetRootPath /home/完整数据集存放路径/train_data

train_data格式如下：

|-train_data
 	  |-crop_img
		    |- 001_crop_0.png
		    |- 002_crop_0.jpg
		    |- 003_crop_0.jpg
		    | ...
	  | Label.txt
	  | rec_gt.txt
	  |- 001.png
	  |- 002.jpg
	  |- 003.jpg
	  | ...

划分好的数据集会保存在PaddleOCR/train_data下面

此时文字检测和文字识别的数据集就都制作好了。

四、PaddleOCR训练与测试

为了加强垂直领域或者说特殊环境下的检测能力，所以会专门使用对应环境的数据集进行训练，得到我们理想中的的模型。

1.文本检测模型训练与测试

根据官方文本检测教程中最简单直接的思路进行训练，至于其他训练方法可以深入参考官方教程。

1）下载预训练模型

准备好数据集后，可以下载模型预训练文件：

MobileNetV3_large_x0_5_pretrained模型下载

还可以选择以下模型：

# 下载MobileNetV3的预训练模型
wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/pretrained/MobileNetV3_large_x0_5_pretrained.pdparams
# 或，下载ResNet18_vd的预训练模型
wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/pretrained/ResNet18_vd_pretrained.pdparams
# 或，下载ResNet50_vd的预训练模型
wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/pretrained/ResNet50_vd_ssld_pretrained.pdparams

下载之后在paddleocr根目录下建立pretrain_models文件夹，并将训练模型放在该文件夹下并解压。

2）修改参数配置文件

修改/PaddleOCR/configs/det目录下的det_mv3_db.yml，或者复制一份重命名。

有关配置文件各项参数的详细解释，请参考官方文档

部分常见配置的修改，建议根据各自训练环境自定义配置文件

在这里插入图片描述

python tools/train.py -c configs/llw/det_mv3_db.yml -o Global.pretrained_model=./pretrain_models/MNV3_x0_5/MobileNetV3_large_x0_5_pretrained

如果提示RuntimeError: CUDA out of memory.就需要降低batch，或者清理GPU缓存，总会有奇奇怪怪的进程占着资源不放。

3）可视化训练过程

训练过程中，PaddleOCR文件夹下再开一个终端，输入以下命令+模型输出地址可视化训练过程：

visualdl --logdir "./output/db_mv3"

在这里插入图片描述

打开http://localhost:8040/，点击标量数据，即可看见实时信息

在这里插入图片描述

4）模型评估测试

评估模型，输入以下命令：

python tools/eval.py -c configs/det/det_mv3_db.yml  -o Global.checkpoints=./output/db_mv3/best_accuracy

在这里插入图片描述

对训练好的模型导出导出到/inference/det_db文件夹下，输入以下命令

python tools/export_model.py -c configs/det/det_mv3_db_ocr.yml -o Global.pretrained_model=./output/db_mv3/best_accuracy  Global.save_inference_dir=./inference/det_db

最后使用以下代码，把自己训练的模型更新到det_model_dir，进行测试：

import os
import time

from paddleocr import PaddleOCR
import pandas as pd
import numpy as np
import cv2


def ocr_predict(img):
    '''
    det_model_dir:文本检测
    rec_model_dir:文本识别
    cls_model_dir:方向分类
    '''
    ocr = PaddleOCR(det_model_dir="路径/inference/det_db/",
                    rec_model_dir="路径/rec/ch/ch_PP-OCRv4_rec_infer/",
                    cls_model_dir="路径/cls/ch_ppocr_mobile_v2.0_cls_infer/",
                    lang='ch', use_angle_cls=True,
                    use_gpu=False)
    result = ocr.ocr(img)
    print(result)


if __name__ == '__main__':
    img_path = "路径/ys.jpeg"
    ocr_predict(img_path)

同样成功获取到文本坐标，再根据坐标信息使用ch_PP-OCRv4_rec_infer模型进行识别，具体结果与上文一样，不在此复诉。

2.文本识别模型训练

根据官方文本识别教程中最简单直接的思路进行训练，至于其他训练方法可以深入参考官方教程。

1）下载预训练模型

准备好数据集后，可以下载模型预训练文件：

中英文超轻量ch_PP-OCRv3_rec_train模型下载

还可以选择以下模型：

# 下载中英文超轻量PP-OCRv4模型
wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/PP-OCRv4/chinese/ch_PP-OCRv4_rec_train.tar
# 或，下载中英文超轻量PP-OCRv3模型
wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_rec_train.tar
# 或，下载英文超轻量PP-OCRv3模型
wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/PP-OCRv3/english/en_PP-OCRv3_rec_train.tar

下载之后将训练模型放在pretrain_models文件夹下并解压。

ch_PP-OCRv4_rec_train模型训练涉及到模型蒸馏，所以退而求其次使用ch_PP-OCRv3_rec_train模型。

2）修改参数配置文件

修改/PaddleOCR/configs/rec/PP-OCRv3/目录下的cn_PP-OCRv3_rec.yml，或者复制一份重命名。

有关配置文件各项参数的详细解释，请参考官方文档

部分常见配置的修改，建议根据各自训练环境自定义配置文件

在这里插入图片描述

python tools/train.py -c configs/llw/ch_PP-OCRv3_rec.yml -o Global.pretrained_model=./pretrain_models/ch_PP-OCRv3_rec_train/best_accuracy

如果提示RuntimeError: CUDA out of memory.就需要降低batch，或者清理GPU缓存，总会有奇奇怪怪的进程占着资源不放。

3）可视化训练过程

训练过程中，PaddleOCR文件夹下再开一个终端，输入以下命令+模型输出地址可视化训练过程：

visualdl --logdir "./output/rec_ppocr_v3"

在这里插入图片描述

打开http://localhost:8040/，点击标量数据，即可看见实时信息

在这里插入图片描述

4）模型评估测试

评估模型，输入以下命令：

python tools/eval.py -c configs/rec/ch_PP-OCRv3_rec.yml -o Global.checkpoints=./output/rec_ppocr_v3/latest

在这里插入图片描述

对训练好的模型导出导出到/inference/rec_v3文件夹下，输入以下命令

python tools/export_model.py -c configs/rec/ch_PP-OCRv3_rec.yml -o Global.pretrained_model=./output/rec_ppocr_v3/best_accuracy  Global.save_inference_dir=./inference/rec_v3

最后使用以下代码，把自己训练的模型更新到rec_model_dir，进行测试：

import os
import time

from paddleocr import PaddleOCR
import pandas as pd
import numpy as np
import cv2


def ocr_predict(img):
    '''
    det_model_dir:文本检测
    rec_model_dir:文本识别
    cls_model_dir:方向分类
    '''
    ocr = PaddleOCR(det_model_dir="路径/inference/det_db/",
                    rec_model_dir="路径inference/rec_v3/",
                    cls_model_dir="路径/cls/ch_ppocr_mobile_v2.0_cls_infer/",
                    lang='ch', use_angle_cls=True,
                    use_gpu=False)
    result = ocr.ocr(img)
    print(result)


if __name__ == '__main__':
    img_path = "路径/ys.jpeg"
    ocr_predict(img_path)