PaddleHub
便捷地获取PaddlePaddle生态下的预训练模型，完成模型的管理和一键预测。配合使用Fine-tune API，可以基于大规模预训练模型快速完成迁移学习，让预训练模型能更好地服务于用户特定场景的应用
零基础快速开始WindowsLinuxMac
PaddleHub 首页图像 – 文字识别chinese_ocr_db_crnn_server
chinese_ocr_db_crnn_server
类别图像 – 文字识别
网络Differentiable Binarization+CRNN
数据集icdar2015数据集
模型概述
chinese_ocr_db_crnn_server Module用于识别图片当中的汉字。其基于chinese_text_detection_db_server检测得到的文本框，继续识别文本框中的中文文字。之后对检测文本框进行角度分类。最终识别文字算法采用CRNN（Convolutional Recurrent Neural Network）即卷积递归神经网络。其是DCNN和RNN的组合，专门用于识别图像中的序列式对象。与CTC loss配合使用，进行文字识别，可以直接从文本词级或行级的标注中学习，不需要详细的字符级的标注。该Module是一个通用的OCR模型，支持直接预测。
选择模型版本进行安装
1.2.0 (最新版)
$ hub install chinese_ocr_db_crnn_server==1.2.0chinese_ocr_db_crnn_server
| 模型名称 | chinese_ocr_db_crnn_server |
|---|---|
| 类别 | 图像-文字识别 |
| 网络 | Differentiable Binarization+RCNN |
| 数据集 | icdar2015数据集 |
| 是否支持Fine-tuning | 否 |
| 模型大小 | 116MB |
| 最新更新日期 | 2021-05-31 |
| 数据指标 | mAP@0.98 |
一、模型基本信息
应用效果展示
- OCR文字识别场景在线体验
- 样例结果示例：
模型介绍
- chinese_ocr_db_crnn_server Module用于识别图片当中的汉字。其基于chinese_text_detection_db_server Module 检测得到的文本框，识别文本框中的中文文字。识别文字算法采用CRNN（Convolutional Recurrent Neural Network）即卷积循环神经网络。该Module是一个通用的OCR模型，支持直接预测。
- 更多详情参考：An end-to-end trainable neural network for image-based sequence recognition and its application to scene text recognition
二、安装
1、环境依赖
paddlepaddle >= 2.2.0
paddlehub >=2.2.0
shapely
pyclipper
$ pip install shapely pyclipper- 该Module依赖于第三方库shapely和pyclipper，使用该Module之前，请先安装shapely和pyclipper。
2、安装
$ hub install chinese_ocr_db_crnn_server
三、模型API预测
1、命令行预测
$ hub run chinese_ocr_db_crnn_server --input_path "/PATH/TO/IMAGE"
2、预测代码示例
import paddlehub as hubimport cv2ocr = hub.Module(name="chinese_ocr_db_crnn_server", enable_mkldnn=True) # mkldnn加速仅在CPU下有效result = ocr.recognize_text(images=[cv2.imread('/PATH/TO/IMAGE')])# or# result = ocr.recognize_text(paths=['/PATH/TO/IMAGE'])
3、API
def __init__(text_detector_module=None, enable_mkldnn=False)构造ChineseOCRDBCRNNServer对象
参数
- text_detector_module(str): 文字检测PaddleHub Module名字，如设置为None，则默认使用 chinese_text_detection_db_server Module。其作用为检测图片当中的文本。
- enable_mkldnn(bool): 是否开启mkldnn加速CPU计算。该参数仅在CPU运行下设置有效。默认为False。
def recognize_text(images=[], paths=[], use_gpu=False, output_dir='ocr_result', visualization=False, box_thresh=0.5, text_thresh=0.5, angle_classification_thresh=0.9)预测API，检测输入图片中的所有中文文本的位置。
参数
- paths (list[str]): 图片的路径；
- images (list[numpy.ndarray]): 图片数据，ndarray.shape 为[H, W, C]，BGR格式；
- use_gpu (bool): 是否使用 GPU；若使用GPU，请先设置CUDA_VISIBLE_DEVICES环境变量
- box_thresh (float): 检测文本框置信度的阈值；
- text_thresh (float): 识别中文文本置信度的阈值；
- angle_classification_thresh(float): 文本角度分类置信度的阈值
- visualization (bool): 是否将识别结果保存为图片文件；
- output_dir (str): 图片的保存路径，默认设为 ocr_result；
返回
- res (list[dict]): 识别结果的列表，列表中每一个元素为 dict，各字段为：
- data (list[dict]): 识别文本结果，列表中每一个元素为 dict，各字段为： – text(str): 识别得到的文本 – confidence(float): 识别文本结果置信度 – text_box_position(list): 文本框在原图中的像素坐标，4*2的矩阵，依次表示文本框左下、右下、右上、左上顶点的坐标 如果无识别结果则data为[]
- save_path (str, optional): 识别结果的保存路径，如不保存图片则save_path为”
- res (list[dict]): 识别结果的列表，列表中每一个元素为 dict，各字段为：
四、服务部署
PaddleHub Serving 可以部署一个目标检测的在线服务。
第一步：启动PaddleHub Serving
- 运行启动命令：
$ hub serving start -m chinese_ocr_db_crnn_server这样就完成了一个目标检测的服务化API的部署，默认端口号为8866。
NOTE:如使用GPU预测，则需要在启动服务之前，请设置CUDA_VISIBLE_DEVICES环境变量，否则不用设置。
第二步：发送预测请求
配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果
import requestsimport jsonimport cv2import base64def cv2_to_base64(image):data = cv2.imencode('.jpg', image)[1]return base64.b64encode(data.tostring()).decode('utf8')# 发送HTTP请求data = {'images':[cv2_to_base64(cv2.imread("/PATH/TO/IMAGE"))]}headers = {"Content-type": "application/json"}url = "http://127.0.0.1:8866/predict/chinese_ocr_db_crnn_server"r = requests.post(url=url, headers=headers, data=json.dumps(data))# 打印预测结果print(r.json()["results"])
Gradio App 支持
从 PaddleHub 2.3.1 开始支持使用链接http://127.0.0.1:8866/gradio/chinese_ocr_db_crnn_server在浏览器中访问 chinese_ocr_db_crnn_server 的 Gradio App。
五、更新历史
1.0.0
初始发布
1.0.1
支持mkldnn加速CPU计算
1.1.0
使用三阶段模型（文本框检测-角度分类-文字识别）识别图片文字。
1.1.1
支持文本中空格识别。
1.1.2
修复检出字段无法超过30个问题。
1.1.3
移除 fluid api
1.2.0
添加 Gradio APP