Python paddleocr快速使用及参数配置详解

2024-06-04 15:21:00 作者：ElaineTiger

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,这篇文章主要介绍了Python paddleocr快速使用及参数详解,需要的朋友可以参考下

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 cv2
from 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 cv2
from 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`640640`的图像，网络输出为`160160`，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