8.8 KiB
8.8 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 instll 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/japan_2.jpg --lang=japan
结果是一个list，每个item包含了文本框，文字和识别置信度
[[[671.0, 60.0], [847.0, 63.0], [847.0, 104.0], [671.0, 102.0]], ('もちもち', 0.9993342)]
[[[394.0, 82.0], [536.0, 77.0], [538.0, 127.0], [396.0, 132.0]], ('天然の', 0.9919842)]
[[[880.0, 89.0], [1014.0, 93.0], [1013.0, 127.0], [879.0, 124.0]], ('とろっと', 0.9976762)]
[[[1067.0, 101.0], [1294.0, 101.0], [1294.0, 138.0], [1067.0, 138.0]], ('後味のよい', 0.9988712)]
......
- 识别预测
paddleocr --image_dir doc/imgs_words/japan/1.jpg --det false --lang=japan
结果是一个tuple，返回识别结果和识别置信度
('したがって', 0.99965394)
- 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)
# 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:
- 识别预测
from paddleocr import PaddleOCR
ocr = PaddleOCR(lang="german")
img_path = 'PaddleOCR/doc/imgs_words/german/1.jpg'
result = ocr.ocr(img_path, det=False, cls=True)
for line in result:
print(line)
结果是一个tuple，只包含识别结果和识别置信度
('leider auch jetzt', 0.97538936)
- 检测预测
from paddleocr import PaddleOCR, draw_ocr
ocr = PaddleOCR() # need to run only once to download and load model into memory
img_path = 'PaddleOCR/doc/imgs_en/img_12.jpg'
result = ocr.ocr(img_path, rec=False)
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/fonts/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
[[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]]
......
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 支持语种及缩写
| 语种 | 描述 | 缩写 |
|---|---|---|
| 中文 | chinese and english | ch |
| 英文 | english | en |
| 法文 | french | fr |
| 德文 | german | german |
| 日文 | japan | japan |
| 韩文 | korean | korean |
| 中文繁体 | chinese traditional | chinese_cht |
| 意大利文 | Italian | it |
| 西班牙文 | Spanish | es |
| 葡萄牙文 | Portuguese | pt |
| 俄罗斯文 | Russia | ru |
| 阿拉伯文 | Arabic | ar |
| 印地文 | Hindi | hi |
| 维吾尔 | Uyghur | ug |
| 波斯文 | Persian | fa |
| 乌尔都文 | Urdu | ur |
| 塞尔维亚文（latin) | Serbian(latin) | rs_latin |
| 欧西坦文 | Occitan | oc |
| 马拉地文 | Marathi | mr |
| 尼泊尔文 | Nepali | ne |
| 塞尔维亚文（cyrillic) | Serbian(cyrillic) | rs_cyrillic |
| 保加利亚文 | Bulgarian | bg |
| 乌克兰文 | Ukranian | uk |
| 白俄罗斯文 | Belarusian | be |
| 泰卢固文 | Telugu | te |
| 泰米尔文 | Tamil | ta |
| 南非荷兰文 | Afrikaans | af |
| 阿塞拜疆文 | Azerbaijani | az |
| 波斯尼亚文 | Bosnian | bs |
| 捷克文 | Czech | cs |
| 威尔士文 | Welsh | cy |
| 丹麦文 | Danish | da |
| 爱沙尼亚文 | Estonian | et |
| 爱尔兰文 | Irish | ga |
| 克罗地亚文 | Croatian | hr |
| 匈牙利文 | Hungarian | hu |
| 印尼文 | Indonesian | id |
| 冰岛文 | Icelandic | is |
| 库尔德文 | Kurdish | ku |
| 立陶宛文 | Lithuanian | lt |
| 拉脱维亚文 | Latvian | lv |
| 毛利文 | Maori | mi |
| 马来文 | Malay | ms |
| 马耳他文 | Maltese | mt |
| 荷兰文 | Dutch | nl |
| 挪威文 | Norwegian | no |
| 波兰文 | Polish | pl |
| 罗马尼亚文 | Romanian | ro |
| 斯洛伐克文 | Slovak | sk |
| 斯洛文尼亚文 | Slovenian | sl |
| 阿尔巴尼亚文 | Albanian | sq |
| 瑞典文 | Swedish | sv |
| 西瓦希里文 | Swahili | sw |
| 塔加洛文 | Tagalog | tl |
| 土耳其文 | Turkish | tr |
| 乌兹别克文 | Uzbek | uz |
| 越南文 | Vietnamese | vi |
| 蒙古文 | Mongolian | mn |
| 阿巴扎文 | Abaza | abq |
| 阿迪赫文 | Adyghe | ady |
| 卡巴丹文 | Kabardian | kbd |
| 阿瓦尔文 | Avar | ava |
| 达尔瓦文 | Dargwa | dar |
| 因古什文 | Ingush | inh |
| 拉克文 | Lak | lbe |
| 莱兹甘文 | Lezghian | lez |
| 塔巴萨兰文 | Tabassaran | tab |
| 比尔哈文 | Bihari | bh |
| 迈蒂利文 | Maithili | mai |
| 昂加文 | Angika | ang |
| 孟加拉文 | Bhojpuri | bho |
| 摩揭陀文 | Magahi | mah |
| 那格浦尔文 | Nagpur | sck |
| 尼瓦尔文 | Newari | new |
| 保加利亚文 | Goan Konkani | gom |
| 沙特阿拉伯文 | Saudi Arabia | sa |