8.3 KiB
8.3 KiB
多语言模型
近期更新
- 2021.4.9 支持80种语言的检测和识别
- 2021.4.9 支持轻量高精度英文模型检测识别
PaddleOCR 旨在打造一套丰富、领先、且实用的OCR工具库，不仅提供了通用场景下的中英文模型，也提供了专门在英文场景下训练的模型， 和覆盖80个语言的小语种模型。
其中英文模型支持，大小写字母和常见标点的检测识别，并优化了空格字符的识别：
小语种模型覆盖了拉丁语系、阿拉伯语系、中文繁体、韩语、日语等等：
本文档将简要介绍小语种模型的使用方法。
1 安装
1.1 paddle 安装
# cpu
pip install paddlepaddle
# gpu
pip install paddlepaddle-gpu
1.2 paddleocr package 安装
pip 安装
pip install "paddleocr>=2.0.6" # 推荐使用2.0.6版本
本地构建并安装
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
2 快速使用
2.1 命令行运行
查看帮助信息
paddleocr -h
- 整图预测（检测+识别）
Paddleocr目前支持80个语种，可以通过修改--lang参数进行切换，具体支持的语种可查看表格。
paddleocr --image_dir doc/imgs_en/254.jpg --lang=en
结果是一个list，每个item包含了文本框，文字和识别置信度
[('PHO CAPITAL', 0.95723116), [[66.0, 50.0], [327.0, 44.0], [327.0, 76.0], [67.0, 82.0]]]
[('107 State Street', 0.96311164), [[72.0, 90.0], [451.0, 84.0], [452.0, 116.0], [73.0, 121.0]]]
[('Montpelier Vermont', 0.97389287), [[69.0, 132.0], [501.0, 126.0], [501.0, 158.0], [70.0, 164.0]]]
[('8022256183', 0.99810505), [[71.0, 175.0], [363.0, 170.0], [364.0, 202.0], [72.0, 207.0]]]
[('REG 07-24-201706:59 PM', 0.93537045), [[73.0, 299.0], [653.0, 281.0], [654.0, 318.0], [74.0, 336.0]]]
[('045555', 0.99346405), [[509.0, 331.0], [651.0, 325.0], [652.0, 356.0], [511.0, 362.0]]]
[('CT1', 0.9988654), [[535.0, 367.0], [654.0, 367.0], [654.0, 406.0], [535.0, 406.0]]]
......
- 识别预测
paddleocr --image_dir doc/imgs_words_en/word_308.png --det false --lang=en
结果是一个tuple，返回识别结果和识别置信度
(0.99879867, 'LITTLE')
- 检测预测
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
[[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]]
......
2.2 python 脚本运行
ppocr 也支持在python脚本中运行，便于嵌入到您自己的代码中 ：
- 整图预测（检测+识别）
from paddleocr import PaddleOCR, draw_ocr
# 同样也是通过修改 lang 参数切换语种
ocr = PaddleOCR(lang="korean") # 首次执行会自动下载模型文件
img_path = 'doc/imgs/korean_1.jpg '
result = ocr.ocr(img_path)
# 可通过参数控制单独执行识别、检测
# result = ocr.ocr(img_path, det=False) 只执行识别
# result = ocr.ocr(img_path, rec=False) 只执行检测
# 打印检测框和识别结果
for line in result:
print(line)
# 可视化
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/fonts/korean.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')
结果可视化:
ppocr 还支持方向分类， 更多使用方式请参考：whl包使用说明
3 自定义训练
ppocr 支持使用自己的数据进行自定义训练或finetune, 其中识别模型可以参考 法语配置文件 修改训练数据路径、字典等参数。
具体数据准备、训练过程可参考：文本检测、文本识别，更多功能如预测部署、 数据标注等功能可以阅读完整的文档教程。
4 预测部署
除了安装whl包进行快速预测，ppocr 也提供了多种预测部署方式，如有需求可阅读相关文档：
5 支持语种及缩写
| 语种 | 描述 | 缩写 | 语种 | 描述 | 缩写 | |
|---|---|---|---|---|---|---|
| 中文 | chinese and english | ch | 保加利亚文 | Bulgarian | bg | |
| 英文 | english | en | 乌克兰文 | Ukranian | uk | |
| 法文 | french | fr | 白俄罗斯文 | Belarusian | be | |
| 德文 | german | german | 泰卢固文 | Telugu | te | |
| 日文 | japan | japan | 阿巴扎文 | Abaza | ||
| 韩文 | korean | korean | 泰米尔文 | Tamil | ta | |
| 中文繁体 | chinese traditional | ch_tra | 南非荷兰文 | Afrikaans | af | |
| 意大利文 | Italian | it | 阿塞拜疆文 | Azerbaijani | az | |
| 西班牙文 | Spanish | es | 波斯尼亚文 | Bosnian | bs | |
| 葡萄牙文 | Portuguese | pt | 捷克文 | Czech | cs | |
| 俄罗斯文 | Russia | ru | 威尔士文 | Welsh | cy | |
| 阿拉伯文 | Arabic | ar | 丹麦文 | Danish | da | |
| 印地文 | Hindi | hi | 爱沙尼亚文 | Estonian | et | |
| 维吾尔 | Uyghur | ug | 爱尔兰文 | Irish | ga | |
| 波斯文 | Persian | fa | 克罗地亚文 | Croatian | hr | |
| 乌尔都文 | Urdu | ur | 匈牙利文 | Hungarian | hu | |
| 塞尔维亚文（latin) | Serbian(latin) | rs_latin | 印尼文 | Indonesian | id | |
| 欧西坦文 | Occitan | oc | 冰岛文 | Icelandic | is | |
| 马拉地文 | Marathi | mr | 库尔德文 | Kurdish | ku | |
| 尼泊尔文 | Nepali | ne | 立陶宛文 | Lithuanian | lt | |
| 塞尔维亚文（cyrillic) | Serbian(cyrillic) | rs_cyrillic | 拉脱维亚文 | Latvian | lv | |
| 毛利文 | Maori | mi | 达尔瓦文 | Dargwa | dar | |
| 马来文 | Malay | ms | 因古什文 | Ingush | inh | |
| 马耳他文 | Maltese | mt | 拉克文 | Lak | lbe | |
| 荷兰文 | Dutch | nl | 莱兹甘文 | Lezghian | lez | |
| 挪威文 | Norwegian | no | 塔巴萨兰文 | Tabassaran | tab | |
| 波兰文 | Polish | pl | 比尔哈文 | Bihari | bh | |
| 罗马尼亚文 | Romanian | ro | 迈蒂利文 | Maithili | mai | |
| 斯洛伐克文 | Slovak | sk | 昂加文 | Angika | ang | |
| 斯洛文尼亚文 | Slovenian | sl | 孟加拉文 | Bhojpuri | bho | |
| 阿尔巴尼亚文 | Albanian | sq | 摩揭陀文 | Magahi | mah | |
| 瑞典文 | Swedish | sv | 那格浦尔文 | Nagpur | sck | |
| 西瓦希里文 | Swahili | sw | 尼瓦尔文 | Newari | new | |
| 塔加洛文 | Tagalog | tl | 保加利亚文 | Goan Konkani | gom | |
| 土耳其文 | Turkish | tr | 沙特阿拉伯文 | Saudi Arabia | sa | |
| 乌兹别克文 | Uzbek | uz | 阿瓦尔文 | Avar | ava | |
| 越南文 | Vietnamese | vi | 阿瓦尔文 | Avar | ava | |
| 蒙古文 | Mongolian | mn | 阿迪赫文 | Adyghe | ady |