Python paddleocr快速使用及参数配置详解
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
到此这篇关于Python paddleocr快速使用及参数详解的文章就介绍到这了,更多相关Python paddleocr使用内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!