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
其它相关推荐：
PaddleOCR模型训练及使用详细教程
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 cv2from 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 cv2from 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 |
其它相关推荐：
PaddleOCR模型训练及使用详细教程