当前位置：后端开发 >  【Python】paddleocr快速使用及参数详解

【Python】paddleocr快速使用及参数详解

ElaineTiger 2024-06-27 17:35:02 阅读 76

文章目录

1. paddleocr快速使用1.1 使用默认模型路径1.2 设定模型路径

2. PaddleOCR其他参数介绍PaddleOCR模型推理参数解释

在这里插入图片描述

其它相关推荐：

PaddleOCR模型训练及使用详细教程

在这里插入图片描述

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

在这里插入图片描述

其它相关推荐：

PaddleOCR模型训练及使用详细教程

上一篇： 【C++】哈希(2万字)

下一篇： JDK、IDEA安装教程 IDEA安装２０２３年１０月 最新最详细！免费、亲测成功！！！

本文标签

【Python】paddleocr快速使用及参数详解   

声明

本文内容仅代表作者观点，或转载于其他网站，本站不以此文作为商业用途
如有涉及侵权，请联系本站进行删除
转载本站原创文章，请注明来源及作者。

相关文章

阅读排行

热门文章