如何識別圖片文字,PaddleOCR機器學(xué)習(xí)開源項目使用 | 機器學(xué)習(xí)
什么是OCR?
光學(xué)字符識別(Optical Character Recognition, OCR),是指對文本資料的圖像文件進(jìn)行分析識別處理,獲取文字及版面信息的過程。簡而言之,檢測圖像中的文本資料,并且識別出文本的內(nèi)容。
那么有哪些應(yīng)用場景呢?
其實我們?nèi)粘I钪刑幪幎加衞cr的影子,比如在疫情期間身份證識別錄入信息、車輛車牌號識別、自動駕駛等。我們的生活中,機器學(xué)習(xí)已經(jīng)越來越多的扮演著重要角色,也不再是神秘的東西。
OCR的技術(shù)路線是什么呢?
ocr的運行方式如下圖,輸入->圖像預(yù)處理->文字檢測->文本識別->輸出。
本文主要是介紹一個博主使用的比較好的OCR開源項目,在這里分享給大家——PaddleOCR。
項目Github地址: PaddleOCR地址
我會按照剛接觸的狀態(tài),梳理一下驗證使用該項目的過程。
項目使用
先把項目從github上clone下來,慢慢分析。
項目結(jié)構(gòu)
首先我們看一下項目的構(gòu)造。
環(huán)境部署
輸入命令:
conda create -n paddle_env python=3.8
激活環(huán)境:
conda activate paddle_env
2、依賴包下載
paddlepaddle安裝
pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
layoutparser安裝
pip3 install -U https://paddleocr.bj.bcebos.com/whl/layoutparser-0.0.0-py3-none-any.whl
Shapely安裝,這個需要下載,下載地址:Shapely下載地址
我選的是這個
安裝命令:
pip install Shapely-1.8.0-cp38-cp38-win_amd64.whl
paddleocr安裝
pip install paddleocr -i https://mirror.baidu.com/pypi/simple
好的,環(huán)境有點多,都安裝好了就開始上手使用吧。
測試代碼
官方給出了兩種模式,一是命令行執(zhí)行,一是代碼執(zhí)行。為了直觀的看到配置,我這里使用的是代碼模式。
準(zhǔn)備一張帶文字的圖片
測試代碼如下
!/user/bin/env python
# coding=utf-8
"""
@project : ocr_paddle
@author : huyi
@file : test.py
@ide : PyCharm
@time : 2021-11-15 14:56:20
"""
from paddleocr import PaddleOCR, draw_ocr
# Paddleocr目前支持的多語言語種可以通過修改lang參數(shù)進(jìn)行切換
# 例如`ch`, `en`, `fr`, `german`, `korean`, `japan`
ocr = PaddleOCR(use_angle_cls=True, use_gpu=False,
lang="ch") # need to run only once to download and load model into memory
img_path = './data/2.jpg'
result = ocr.ocr(img_path, cls=True)
for line in result:
# print(line[-1][0], line[-1][1])
print(line)
# 顯示結(jié)果
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='./fonts/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')
我們看到,打印的內(nèi)容有識別出來的每句話所在的圖片位置,以及識別結(jié)果和可信度。而上面的結(jié)果圖中,將每句話對應(yīng)的文字都框了出來。效果很不錯!
參數(shù)補充
官方還給出了一些參數(shù),可以調(diào)整輸出的內(nèi)容??梢詤⒖磓uickstart.md文件。參數(shù)補充:
- 單獨使用檢測:設(shè)置`--rec`為`false`
- 單獨使用識別:設(shè)置`--det`為`false`
官方還提供一個標(biāo)準(zhǔn)的json結(jié)構(gòu)輸出數(shù)據(jù)
PP-Structure的返回結(jié)果為一個dict組成的list,示例如下
```shell
[{ 'type': 'Text',
'bbox': [34, 432, 345, 462],
'res': ([[36.0, 437.0, 341.0, 437.0, 341.0, 446.0, 36.0, 447.0], [41.0, 454.0, 125.0, 453.0, 125.0, 459.0, 41.0, 460.0]],
[('Tigure-6. The performance of CNN and IPT models using difforen', 0.90060663), ('Tent ', 0.465441)])
}
]
```
總結(jié)
總的來說,這個項目還是很有意思的,訓(xùn)練的部分我就不多贅述了,畢竟準(zhǔn)備數(shù)據(jù)挺麻煩的?;仡^我再想想這個項目可不可以魔改成好用的工具。