PaddleOCR/doc/doc_ch/whl.md

358 lines
20 KiB
Markdown
Raw Normal View History

2020-08-22 19:42:14 +08:00
# paddleocr package使用说明
2021-02-03 12:20:40 +08:00
## 1 快速上手
2020-08-22 19:42:14 +08:00
2021-02-03 12:20:40 +08:00
### 1.1 安装whl包
2020-08-22 19:42:14 +08:00
pip安装
```bash
2020-12-16 10:58:30 +08:00
pip install "paddleocr>=2.0.1" # 推荐使用2.0.1+版本
2020-08-22 19:42:14 +08:00
```
本地构建并安装
```bash
2020-10-13 17:49:16 +08:00
python3 setup.py bdist_wheel
pip3 install dist/paddleocr-x.x.x-py3-none-any.whl # x.x.x是paddleocr的版本号
2020-08-22 19:42:14 +08:00
```
2021-02-03 12:20:40 +08:00
## 2 使用
### 2.1 代码使用
paddleocr whl包会自动下载ppocr轻量级模型作为默认模型可以根据第3节**自定义模型**进行自定义更换。
* 检测+方向分类器+识别全流程
2020-10-13 17:49:16 +08:00
```python
from paddleocr import PaddleOCR, draw_ocr
# Paddleocr目前支持中英文、英文、法语、德语、韩语、日语可以通过修改lang参数进行切换
# 参数依次为`ch`, `en`, `french`, `german`, `korean`, `japan`。
ocr = PaddleOCR(use_angle_cls=True, lang="ch") # need to run only once to download and load model into memory
img_path = 'PaddleOCR/doc/imgs/11.jpg'
result = ocr.ocr(img_path, cls=True)
for line in result:
print(line)
# 显示结果
from PIL import Image
image = Image.open(img_path).convert('RGB')
boxes = [line[0] for line in result]
txts = [line[1][0] for line in result]
scores = [line[1][1] for line in result]
im_show = draw_ocr(image, boxes, txts, scores, font_path='/path/to/PaddleOCR/doc/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')
```
结果是一个list每个item包含了文本框文字和识别置信度
```bash
[[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], ['纯臻营养护发素', 0.964739]]
[[[24.0, 80.0], [172.0, 80.0], [172.0, 104.0], [24.0, 104.0]], ['产品信息/参数', 0.98069626]]
[[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], ['45元/每公斤100公斤起订', 0.9676722]]
......
```
结果可视化
<div align="center">
<img src="../imgs_results/whl/11_det_rec.jpg" width="800">
</div>
* 检测+识别
2020-08-22 19:42:14 +08:00
```python
from paddleocr import PaddleOCR, draw_ocr
2020-08-24 11:30:00 +08:00
ocr = PaddleOCR() # need to run only once to download and load model into memory
2020-08-22 19:42:14 +08:00
img_path = 'PaddleOCR/doc/imgs/11.jpg'
result = ocr.ocr(img_path)
for line in result:
print(line)
# 显示结果
from PIL import Image
image = Image.open(img_path).convert('RGB')
boxes = [line[0] for line in result]
txts = [line[1][0] for line in result]
scores = [line[1][1] for line in result]
im_show = draw_ocr(image, boxes, txts, scores, font_path='/path/to/PaddleOCR/doc/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')
```
结果是一个list每个item包含了文本框文字和识别置信度
```bash
[[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], ['纯臻营养护发素', 0.964739]]
[[[24.0, 80.0], [172.0, 80.0], [172.0, 104.0], [24.0, 104.0]], ['产品信息/参数', 0.98069626]]
[[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], ['45元/每公斤100公斤起订', 0.9676722]]
2020-08-24 11:30:00 +08:00
......
2020-08-22 19:42:14 +08:00
```
结果可视化
<div align="center">
<img src="../imgs_results/whl/11_det_rec.jpg" width="800">
</div>
2020-10-13 17:49:16 +08:00
2021-02-03 12:20:40 +08:00
* 方向分类器+识别
2020-10-13 17:49:16 +08:00
```python
from paddleocr import PaddleOCR
ocr = PaddleOCR(use_angle_cls=True) # need to run only once to download and load model into memory
img_path = 'PaddleOCR/doc/imgs_words/ch/word_1.jpg'
result = ocr.ocr(img_path, det=False, cls=True)
for line in result:
print(line)
```
结果是一个list每个item只包含识别结果和识别置信度
```bash
['韩国小馆', 0.9907421]
```
2020-08-22 19:42:14 +08:00
* 单独执行检测
```python
from paddleocr import PaddleOCR, draw_ocr
2020-08-24 11:30:00 +08:00
ocr = PaddleOCR() # need to run only once to download and load model into memory
2020-08-22 19:42:14 +08:00
img_path = 'PaddleOCR/doc/imgs/11.jpg'
2020-10-13 17:49:16 +08:00
result = ocr.ocr(img_path, rec=False)
2020-08-22 19:42:14 +08:00
for line in result:
print(line)
# 显示结果
from PIL import Image
image = Image.open(img_path).convert('RGB')
im_show = draw_ocr(image, result, txts=None, scores=None, font_path='/path/to/PaddleOCR/doc/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')
```
结果是一个list每个item只包含文本框
```bash
[[26.0, 457.0], [137.0, 457.0], [137.0, 477.0], [26.0, 477.0]]
[[25.0, 425.0], [372.0, 425.0], [372.0, 448.0], [25.0, 448.0]]
[[128.0, 397.0], [273.0, 397.0], [273.0, 414.0], [128.0, 414.0]]
2020-08-24 11:30:00 +08:00
......
2020-08-22 19:42:14 +08:00
```
结果可视化
<div align="center">
<img src="../imgs_results/whl/11_det.jpg" width="800">
</div>
* 单独执行识别
```python
from paddleocr import PaddleOCR
2020-08-24 11:30:00 +08:00
ocr = PaddleOCR() # need to run only once to download and load model into memory
2020-08-22 19:42:14 +08:00
img_path = 'PaddleOCR/doc/imgs_words/ch/word_1.jpg'
2020-10-13 17:49:16 +08:00
result = ocr.ocr(img_path, det=False)
2020-08-22 19:42:14 +08:00
for line in result:
print(line)
```
结果是一个list每个item只包含识别结果和识别置信度
```bash
['韩国小馆', 0.9907421]
```
2021-02-03 12:20:40 +08:00
* 单独执行方向分类器
2020-10-13 17:49:16 +08:00
```python
from paddleocr import PaddleOCR
ocr = PaddleOCR(use_angle_cls=True) # need to run only once to download and load model into memory
img_path = 'PaddleOCR/doc/imgs_words/ch/word_1.jpg'
result = ocr.ocr(img_path, det=False, rec=False, cls=True)
for line in result:
print(line)
```
结果是一个list每个item只包含分类结果和分类置信度
```bash
['0', 0.9999924]
```
2021-02-03 12:20:40 +08:00
### 2.2 通过命令行使用
2020-08-22 19:42:14 +08:00
查看帮助信息
```bash
paddleocr -h
```
2021-02-03 12:20:40 +08:00
* 检测+方向分类器+识别全流程
2020-10-13 17:49:16 +08:00
```bash
2020-12-16 10:36:22 +08:00
paddleocr --image_dir PaddleOCR/doc/imgs/11.jpg --use_angle_cls true
2020-10-13 17:49:16 +08:00
```
结果是一个list每个item包含了文本框文字和识别置信度
```bash
[[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], ['纯臻营养护发素', 0.964739]]
[[[24.0, 80.0], [172.0, 80.0], [172.0, 104.0], [24.0, 104.0]], ['产品信息/参数', 0.98069626]]
[[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], ['45元/每公斤100公斤起订', 0.9676722]]
......
```
* 检测+识别
2020-08-22 19:42:14 +08:00
```bash
paddleocr --image_dir PaddleOCR/doc/imgs/11.jpg
```
结果是一个list每个item包含了文本框文字和识别置信度
```bash
[[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], ['纯臻营养护发素', 0.964739]]
[[[24.0, 80.0], [172.0, 80.0], [172.0, 104.0], [24.0, 104.0]], ['产品信息/参数', 0.98069626]]
[[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], ['45元/每公斤100公斤起订', 0.9676722]]
2020-08-24 11:30:00 +08:00
......
2020-08-22 19:42:14 +08:00
```
2021-02-03 12:20:40 +08:00
* 方向分类器+识别
2020-10-13 17:49:16 +08:00
```bash
2020-12-16 10:36:22 +08:00
paddleocr --image_dir PaddleOCR/doc/imgs_words/ch/word_1.jpg --use_angle_cls true --det false
2020-10-13 17:49:16 +08:00
```
结果是一个list每个item只包含识别结果和识别置信度
```bash
['韩国小馆', 0.9907421]
```
2020-08-22 19:42:14 +08:00
* 单独执行检测
```bash
paddleocr --image_dir PaddleOCR/doc/imgs/11.jpg --rec false
```
结果是一个list每个item只包含文本框
```bash
[[26.0, 457.0], [137.0, 457.0], [137.0, 477.0], [26.0, 477.0]]
[[25.0, 425.0], [372.0, 425.0], [372.0, 448.0], [25.0, 448.0]]
[[128.0, 397.0], [273.0, 397.0], [273.0, 414.0], [128.0, 414.0]]
2020-08-24 11:30:00 +08:00
......
2020-08-22 19:42:14 +08:00
```
* 单独执行识别
```bash
paddleocr --image_dir PaddleOCR/doc/imgs_words/ch/word_1.jpg --det false
```
结果是一个list每个item只包含识别结果和识别置信度
```bash
['韩国小馆', 0.9907421]
```
2021-02-03 12:20:40 +08:00
* 单独执行方向分类器
2020-10-13 17:49:16 +08:00
```bash
2020-12-16 10:36:22 +08:00
paddleocr --image_dir PaddleOCR/doc/imgs_words/ch/word_1.jpg --use_angle_cls true --det false --rec false
2020-10-13 17:49:16 +08:00
```
结果是一个list每个item只包含分类结果和分类置信度
```bash
['0', 0.9999924]
```
2021-02-03 12:20:40 +08:00
## 3 自定义模型
2020-08-24 16:25:36 +08:00
当内置模型无法满足需求时,需要使用到自己训练的模型。
2020-10-13 17:49:16 +08:00
首先,参照[inference.md](./inference.md) 第一节转换将检测、分类和识别模型转换为inference模型然后按照如下方式使用
2020-08-24 16:25:36 +08:00
2021-02-03 12:20:40 +08:00
### 3.1 代码使用
2020-08-24 16:25:36 +08:00
```python
from paddleocr import PaddleOCR, draw_ocr
2020-10-13 17:49:16 +08:00
# 模型路径下必须含有model和params文件
ocr = PaddleOCR(det_model_dir='{your_det_model_dir}', rec_model_dir='{your_rec_model_dir}', rec_char_dict_path='{your_rec_char_dict_path}', cls_model_dir='{your_cls_model_dir}', use_angle_cls=True)
2020-08-24 16:25:36 +08:00
img_path = 'PaddleOCR/doc/imgs/11.jpg'
2020-10-13 17:49:16 +08:00
result = ocr.ocr(img_path, cls=True)
2020-08-24 16:25:36 +08:00
for line in result:
print(line)
# 显示结果
from PIL import Image
image = Image.open(img_path).convert('RGB')
boxes = [line[0] for line in result]
txts = [line[1][0] for line in result]
scores = [line[1][1] for line in result]
im_show = draw_ocr(image, boxes, txts, scores, font_path='/path/to/PaddleOCR/doc/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')
```
2021-02-03 12:20:40 +08:00
### 3.2 通过命令行使用
2020-08-24 16:25:36 +08:00
```bash
2020-12-16 10:36:22 +08:00
paddleocr --image_dir PaddleOCR/doc/imgs/11.jpg --det_model_dir {your_det_model_dir} --rec_model_dir {your_rec_model_dir} --rec_char_dict_path {your_rec_char_dict_path} --cls_model_dir {your_cls_model_dir} --use_angle_cls true
2020-08-24 16:25:36 +08:00
```
2021-02-03 12:20:40 +08:00
## 4 使用网络图片或者numpy数组作为输入
2020-12-07 19:10:19 +08:00
2021-02-03 12:20:40 +08:00
### 4.1 网络图片
2020-12-07 19:10:19 +08:00
2021-02-03 12:20:40 +08:00
- 代码使用
2020-12-07 19:10:19 +08:00
```python
from paddleocr import PaddleOCR, draw_ocr
# Paddleocr目前支持中英文、英文、法语、德语、韩语、日语可以通过修改lang参数进行切换
# 参数依次为`ch`, `en`, `french`, `german`, `korean`, `japan`。
ocr = PaddleOCR(use_angle_cls=True, lang="ch") # need to run only once to download and load model into memory
img_path = 'http://n.sinaimg.cn/ent/transform/w630h933/20171222/o111-fypvuqf1838418.jpg'
result = ocr.ocr(img_path, cls=True)
for line in result:
print(line)
# 显示结果
from PIL import Image
image = Image.open(img_path).convert('RGB')
boxes = [line[0] for line in result]
txts = [line[1][0] for line in result]
scores = [line[1][1] for line in result]
im_show = draw_ocr(image, boxes, txts, scores, font_path='/path/to/PaddleOCR/doc/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')
```
2021-02-03 12:20:40 +08:00
- 命令行模式
2020-12-07 19:10:19 +08:00
```bash
paddleocr --image_dir http://n.sinaimg.cn/ent/transform/w630h933/20171222/o111-fypvuqf1838418.jpg --use_angle_cls=true
```
2021-02-03 12:20:40 +08:00
### 4.2 numpy数组
2020-12-07 19:10:19 +08:00
仅通过代码使用时支持numpy数组作为输入
```python
from paddleocr import PaddleOCR, draw_ocr
# Paddleocr目前支持中英文、英文、法语、德语、韩语、日语可以通过修改lang参数进行切换
# 参数依次为`ch`, `en`, `french`, `german`, `korean`, `japan`。
ocr = PaddleOCR(use_angle_cls=True, lang="ch") # need to run only once to download and load model into memory
img_path = 'PaddleOCR/doc/imgs/11.jpg'
img = cv2.imread(img_path)
# img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY), 如果你自己训练的模型支持灰度图,可以将这句话的注释取消
2021-02-03 12:20:40 +08:00
result = ocr.ocr(img, cls=True)
2020-12-07 19:10:19 +08:00
for line in result:
print(line)
# 显示结果
from PIL import Image
image = Image.open(img_path).convert('RGB')
boxes = [line[0] for line in result]
txts = [line[1][0] for line in result]
scores = [line[1][1] for line in result]
im_show = draw_ocr(image, boxes, txts, scores, font_path='/path/to/PaddleOCR/doc/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')
```
2021-02-03 12:20:40 +08:00
## 5 参数说明
2020-08-22 19:42:14 +08:00
| 字段 | 说明 | 默认值 |
|-------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|-------------------------|
| use_gpu | 是否使用GPU | TRUE |
| gpu_mem | 初始化占用的GPU内存大小 | 8000M |
| image_dir | 通过命令行调用时执行预测的图片或文件夹路径 | |
| det_algorithm | 使用的检测算法类型 | DB |
2020-08-24 11:30:00 +08:00
| det_model_dir | 检测模型所在文件夹。传参方式有两种1. None: 自动下载内置模型到 `~/.paddleocr/det`2.自己转换好的inference模型路径模型路径下必须包含model和params文件 | None |
2020-08-22 19:42:14 +08:00
| det_max_side_len | 检测算法前向时图片长边的最大尺寸当长边超出这个值时会将长边resize到这个大小短边等比例缩放 | 960 |
| det_db_thresh | DB模型输出预测图的二值化阈值 | 0.3 |
| det_db_box_thresh | DB模型输出框的阈值低于此值的预测框会被丢弃 | 0.5 |
| det_db_unclip_ratio | DB模型输出框扩大的比例 | 2 |
| det_east_score_thresh | EAST模型输出预测图的二值化阈值 | 0.8 |
| det_east_cover_thresh | EAST模型输出框的阈值低于此值的预测框会被丢弃 | 0.1 |
| det_east_nms_thresh | EAST模型输出框NMS的阈值 | 0.2 |
| rec_algorithm | 使用的识别算法类型 | CRNN |
2020-10-13 17:49:16 +08:00
| rec_model_dir | 识别模型所在文件夹。传参方式有两种1. None: 自动下载内置模型到 `~/.paddleocr/rec`2.自己转换好的inference模型路径模型路径下必须包含model和params文件 | None |
2020-08-22 19:42:14 +08:00
| rec_image_shape | 识别算法的输入图片尺寸 | "3,32,320" |
2020-10-13 17:49:16 +08:00
| rec_char_type | 识别算法的字符类型,中英文(ch)、英文(en)、法语(french)、德语(german)、韩语(korean)、日语(japan) | ch |
2020-08-22 19:42:14 +08:00
| rec_batch_num | 进行识别时,同时前向的图片数 | 30 |
2020-08-24 11:30:00 +08:00
| max_text_length | 识别算法能识别的最大文字长度 | 25 |
| rec_char_dict_path | 识别模型字典路径当rec_model_dir使用方式2传参时需要修改为自己的字典路径 | ./ppocr/utils/ppocr_keys_v1.txt |
2020-08-22 19:42:14 +08:00
| use_space_char | 是否识别空格 | TRUE |
2020-12-07 19:10:19 +08:00
| drop_score | 对输出按照分数(来自于识别模型)进行过滤,低于此分数的不返回 | 0.5 |
2020-10-13 17:49:16 +08:00
| use_angle_cls | 是否加载分类模型 | FALSE |
| cls_model_dir | 分类模型所在文件夹。传参方式有两种1. None: 自动下载内置模型到 `~/.paddleocr/cls`2.自己转换好的inference模型路径模型路径下必须包含model和params文件 | None |
| cls_image_shape | 分类算法的输入图片尺寸 | "3, 48, 192" |
| label_list | 分类算法的标签列表 | ['0', '180'] |
| cls_batch_num | 进行分类时,同时前向的图片数 |30 |
2020-08-22 19:42:14 +08:00
| enable_mkldnn | 是否启用mkldnn | FALSE |
2020-10-13 17:49:16 +08:00
| use_zero_copy_run | 是否通过zero_copy_run的方式进行前向 | FALSE |
2020-12-11 22:06:42 +08:00
| lang | 模型语言类型,目前支持 目前支持中英文(ch)、英文(en)、法语(french)、德语(german)、韩语(korean)、日语(japan) | ch |
2020-08-22 19:42:14 +08:00
| det | 前向时使用启动检测 | TRUE |
| rec | 前向时是否启动识别 | TRUE |
2020-12-07 19:10:19 +08:00
| cls | 前向时是否启动分类 (命令行模式下使用use_angle_cls控制前向是否启动分类) | FALSE |