wt_ocr_and_docker/doc/doc_ch/whl.md

paddleocr package使用说明

1 快速上手

1.1 安装whl包

pip安装

pip install "paddleocr>=2.0.1" # 推荐使用2.0.1+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 使用

2.1 代码使用

paddleocr whl包会自动下载ppocr轻量级模型作为默认模型，可以根据第3节自定义模型进行自定义更换。

• 检测+方向分类器+识别全流程

  from paddleocr import PaddleOCR, draw_ocr
  
  # Paddleocr目前支持中英文、英文、法语、德语、韩语、日语，可以通过修改lang参数进行切换
  # 参数依次为`ch`, `en`, `french`, `german`, `korean`, `japan`。
  ocr = PaddleOCR(use_angle_cls=True, lang="ch")  # need to run only once to download and load model into memory
  img_path = 'PaddleOCR/doc/imgs/11.jpg'
  result = ocr.ocr(img_path, cls=True)
  for idx in range(len(result)):
  res = result[idx]
  for line in res:
      print(line)
  
  # 显示结果
  from PIL import Image
  result = result[0]
  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/simfang.ttf')
  im_show = Image.fromarray(im_show)
  im_show.save('result.jpg')
  

结果是一个list，每个item包含了文本框，文字和识别置信度

[[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], ['纯臻营养护发素', 0.964739]]
[[[24.0, 80.0], [172.0, 80.0], [172.0, 104.0], [24.0, 104.0]], ['产品信息/参数', 0.98069626]]
[[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], ['（45元/每公斤，100公斤起订）', 0.9676722]]
......

结果可视化

• 检测+识别

  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/11.jpg'
  result = ocr.ocr(img_path, cls=False)
  for idx in range(len(result)):
  res = result[idx]
  for line in res:
      print(line)
  
  # 显示结果
  from PIL import Image
  result = result[0]
  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/simfang.ttf')
  im_show = Image.fromarray(im_show)
  im_show.save('result.jpg')
  

结果是一个list，每个item包含了文本框，文字和识别置信度

[[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], ['纯臻营养护发素', 0.964739]]
[[[24.0, 80.0], [172.0, 80.0], [172.0, 104.0], [24.0, 104.0]], ['产品信息/参数', 0.98069626]]
[[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], ['（45元/每公斤，100公斤起订）', 0.9676722]]
......

结果可视化

• 方向分类器+识别

  from paddleocr import PaddleOCR
  
  ocr = PaddleOCR(use_angle_cls=True)  # need to run only once to download and load model into memory
  img_path = 'PaddleOCR/doc/imgs_words/ch/word_1.jpg'
  result = ocr.ocr(img_path, det=False, cls=True)
  for idx in range(len(result)):
  res = result[idx]
  for line in res:
      print(line)
  

结果是一个list，每个item只包含识别结果和识别置信度

['韩国小馆', 0.9907421]

• 单独执行检测

  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/11.jpg'
  result = ocr.ocr(img_path, rec=False)
  for idx in range(len(result)):
  res = result[idx]
  for line in res:
      print(line)
  
  # 显示结果
  from PIL import Image
  result = result[0]
  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

• 单独执行识别

  from paddleocr import PaddleOCR
  
  ocr = PaddleOCR()  # need to run only once to download and load model into memory
  img_path = 'PaddleOCR/doc/imgs_words/ch/word_1.jpg'
  result = ocr.ocr(img_path, det=False)
  for idx in range(len(result)):
  res = result[idx]
  for line in res:
      print(line)
  

结果是一个list，每个item只包含识别结果和识别置信度

['韩国小馆', 0.9907421]

• 单独执行方向分类器

  from paddleocr import PaddleOCR
  
  ocr = PaddleOCR(use_angle_cls=True)  # need to run only once to download and load model into memory
  img_path = 'PaddleOCR/doc/imgs_words/ch/word_1.jpg'
  result = ocr.ocr(img_path, det=False, rec=False, cls=True)
  for idx in range(len(result)):
  res = result[idx]
  for line in res:
      print(line)
  

结果是一个list，每个item只包含分类结果和分类置信度

['0', 0.9999924]

2.2 通过命令行使用

查看帮助信息

paddleocr -h

• 检测+方向分类器+识别全流程

  paddleocr --image_dir PaddleOCR/doc/imgs/11.jpg --use_angle_cls true
  

结果是一个list，每个item包含了文本框，文字和识别置信度

[[[28.0, 37.0], [302.0, 39.0], [302.0, 72.0], [27.0, 70.0]], ('纯臻营养护发素', 0.9658738374710083)]
......

此外，paddleocr也支持输入pdf文件，并且可以通过指定参数page_num来控制推理前面几页，默认为0，表示推理所有页。

paddleocr --image_dir ./xxx.pdf --use_angle_cls true --use_gpu false --page_num 2

• 检测+识别

  paddleocr --image_dir PaddleOCR/doc/imgs/11.jpg
  

结果是一个list，每个item包含了文本框，文字和识别置信度

[[[28.0, 37.0], [302.0, 39.0], [302.0, 72.0], [27.0, 70.0]], ('纯臻营养护发素', 0.9658738374710083)]
......

• 方向分类器+识别

  paddleocr --image_dir PaddleOCR/doc/imgs_words/ch/word_1.jpg --use_angle_cls true --det false
  

结果是一个list，每个item只包含识别结果和识别置信度

['韩国小馆', 0.994467]

• 单独执行检测

  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

[[27.0, 459.0], [136.0, 459.0], [136.0, 479.0], [27.0, 479.0]]
[[28.0, 429.0], [372.0, 429.0], [372.0, 445.0], [28.0, 445.0]]
......

• 单独执行识别

  paddleocr --image_dir PaddleOCR/doc/imgs_words/ch/word_1.jpg --det false
  

结果是一个list，每个item只包含识别结果和识别置信度

['韩国小馆', 0.994467]

• 单独执行方向分类器

  paddleocr --image_dir PaddleOCR/doc/imgs_words/ch/word_1.jpg --use_angle_cls true --det false --rec false
  

结果是一个list，每个item只包含分类结果和分类置信度

['0', 0.9999924]

3 自定义模型

当内置模型无法满足需求时，需要使用到自己训练的模型。 首先，参照模型导出将检测、分类和识别模型转换为inference模型，然后按照如下方式使用

3.1 代码使用

from paddleocr import PaddleOCR, draw_ocr

# 模型路径下必须含有model和params文件
ocr = PaddleOCR(det_model_dir='{your_det_model_dir}', rec_model_dir='{your_rec_model_dir}',
                rec_char_dict_path='{your_rec_char_dict_path}', cls_model_dir='{your_cls_model_dir}',
                use_angle_cls=True)
img_path = 'PaddleOCR/doc/imgs/11.jpg'
result = ocr.ocr(img_path, cls=True)
for idx in range(len(result)):
    res = result[idx]
    for line in res:
        print(line)

# 显示结果
from PIL import Image
result = result[0]
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/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')

3.2 通过命令行使用

paddleocr --image_dir PaddleOCR/doc/imgs/11.jpg --det_model_dir {your_det_model_dir} --rec_model_dir {your_rec_model_dir} --rec_char_dict_path {your_rec_char_dict_path} --cls_model_dir {your_cls_model_dir} --use_angle_cls true

4 使用网络图片或者numpy数组作为输入

4.1 网络图片

• 代码使用

  from paddleocr import PaddleOCR, draw_ocr, download_with_progressbar
  
  # Paddleocr目前支持中英文、英文、法语、德语、韩语、日语，可以通过修改lang参数进行切换
  # 参数依次为`ch`, `en`, `french`, `german`, `korean`, `japan`。
  ocr = PaddleOCR(use_angle_cls=True, lang="ch")  # need to run only once to download and load model into memory
  img_path = 'http://n.sinaimg.cn/ent/transform/w630h933/20171222/o111-fypvuqf1838418.jpg'
  result = ocr.ocr(img_path, cls=True)
  for idx in range(len(result)):
  res = result[idx]
  for line in res:
      print(line)
  
  # 显示结果
  from PIL import Image
  result = result[0]
  download_with_progressbar(img_path, 'tmp.jpg')
  image = Image.open('tmp.jpg').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/simfang.ttf')
  im_show = Image.fromarray(im_show)
  im_show.save('result.jpg')
  

• 命令行模式

  paddleocr --image_dir http://n.sinaimg.cn/ent/transform/w630h933/20171222/o111-fypvuqf1838418.jpg --use_angle_cls=true
  

4.2 numpy数组

仅通过代码使用时支持numpy数组作为输入

import cv2
from paddleocr import PaddleOCR, draw_ocr

# Paddleocr目前支持中英文、英文、法语、德语、韩语、日语，可以通过修改lang参数进行切换
# 参数依次为`ch`, `en`, `french`, `german`, `korean`, `japan`。
ocr = PaddleOCR(use_angle_cls=True, lang="ch")  # need to run only once to download and load model into memory
img_path = 'PaddleOCR/doc/imgs/11.jpg'
img = cv2.imread(img_path)
# img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY), 如果你自己训练的模型支持灰度图，可以将这句话的注释取消
result = ocr.ocr(img, cls=True)
for idx in range(len(result)):
    res = result[idx]
    for line in res:
        print(line)

# 显示结果
from PIL import Image
result = result[0]
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/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')

5 PDF文件作为输入

• 命令行模式

可以通过指定参数page_num来控制推理前面几页，默认为0，表示推理所有页。

paddleocr --image_dir ./xxx.pdf --use_angle_cls true --use_gpu false --page_num 2

• 代码使用

  from paddleocr import PaddleOCR, draw_ocr
  
  # Paddleocr目前支持的多语言语种可以通过修改lang参数进行切换
  # 例如`ch`, `en`, `fr`, `german`, `korean`, `japan`
  ocr = PaddleOCR(use_angle_cls=True, lang="ch"， page_num=2)  # need to run only once to download and load model into memory
  img_path = './xxx.pdf'
  result = ocr.ocr(img_path, cls=True)
  for idx in range(len(result)):
  res = result[idx]
  for line in res:
      print(line)
  
  # 显示结果
  import fitz
  from PIL import Image
  import cv2
  import numpy as np
  imgs = []
  with fitz.open(img_path) as pdf:
  for pg in range(0, pdf.pageCount):
      page = pdf[pg]
      mat = fitz.Matrix(2, 2)
      pm = page.getPixmap(matrix=mat, alpha=False)
      # if width or height > 2000 pixels, don't enlarge the image
      if pm.width > 2000 or pm.height > 2000:
          pm = page.getPixmap(matrix=fitz.Matrix(1, 1), alpha=False)
  
      img = Image.frombytes("RGB", [pm.width, pm.height], pm.samples)
      img = cv2.cvtColor(np.array(img), cv2.COLOR_RGB2BGR)
      imgs.append(img)
  for idx in range(len(result)):
  res = result[idx]
  image = imgs[idx]
  boxes = [line[0] for line in res]
  txts = [line[1][0] for line in res]
  scores = [line[1][1] for line in res]
  im_show = draw_ocr(image, boxes, txts, scores, font_path='doc/fonts/simfang.ttf')
  im_show = Image.fromarray(im_show)
  im_show.save('result_page_{}.jpg'.format(idx))
  

6 参数说明

字段	说明	默认值
use_gpu	是否使用GPU	TRUE
gpu_mem	初始化占用的GPU内存大小	8000M
image_dir	通过命令行调用时执行预测的图片或文件夹路径
page_num	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	0
det_algorithm	使用的检测算法类型	DB
det_model_dir	检测模型所在文件夹。传参方式有两种，1. None: 自动下载内置模型到 ~/.paddleocr/det；2.自己转换好的inference模型路径，模型路径下必须包含model和params文件	None
det_max_side_len	检测算法前向时图片长边的最大尺寸，当长边超出这个值时会将长边resize到这个大小，短边等比例缩放	960
det_db_thresh	DB模型输出预测图的二值化阈值	0.3
det_db_box_thresh	DB模型输出框的阈值，低于此值的预测框会被丢弃	0.5
det_db_unclip_ratio	DB模型输出框扩大的比例	2
det_db_score_mode	计算检测框score的方式，有'fast'和'slow'，如果要检测的文字有弯曲，建议用'slow'，'slow'模式计算的box的score偏大，box不容易被过滤掉	'fast'
det_east_score_thresh	EAST模型输出预测图的二值化阈值	0.8
det_east_cover_thresh	EAST模型输出框的阈值，低于此值的预测框会被丢弃	0.1
det_east_nms_thresh	EAST模型输出框NMS的阈值	0.2
rec_algorithm	使用的识别算法类型	CRNN
rec_model_dir	识别模型所在文件夹。传参方式有两种，1. None: 自动下载内置模型到 ~/.paddleocr/rec；2.自己转换好的inference模型路径，模型路径下必须包含model和params文件	None
rec_image_shape	识别算法的输入图片尺寸	"3,32,320"
rec_batch_num	进行识别时，同时前向的图片数	30
max_text_length	识别算法能识别的最大文字长度	25
rec_char_dict_path	识别模型字典路径，当rec_model_dir使用方式2传参时需要修改为自己的字典路径	./ppocr/utils/ppocr_keys_v1.txt
use_space_char	是否识别空格	TRUE
drop_score	对输出按照分数(来自于识别模型)进行过滤，低于此分数的不返回	0.5
use_angle_cls	是否加载分类模型	FALSE
cls_model_dir	分类模型所在文件夹。传参方式有两种，1. None: 自动下载内置模型到 ~/.paddleocr/cls；2.自己转换好的inference模型路径，模型路径下必须包含model和params文件	None
cls_image_shape	分类算法的输入图片尺寸	"3, 48, 192"
label_list	分类算法的标签列表	['0', '180']
cls_batch_num	进行分类时，同时前向的图片数	30
enable_mkldnn	是否启用mkldnn	FALSE
use_zero_copy_run	是否通过zero_copy_run的方式进行前向	FALSE
lang	模型语言类型,目前支持 目前支持中英文(ch)、英文(en)、法语(french)、德语(german)、韩语(korean)、日语(japan)	ch
det	前向时使用启动检测	TRUE
rec	前向时是否启动识别	TRUE
cls	前向时是否启动分类 (命令行模式下使用use_angle_cls控制前向是否启动分类)	FALSE
show_log	是否打印logger信息	FALSE
type	执行ocr或者表格结构化, 值可选['ocr','structure']	ocr
ocr_version	OCR模型版本，可选PP-OCRv3, PP-OCRv2, PP-OCR。PP-OCRv3 支持中、英文的检测、识别、多语种识别，方向分类器等模型；PP-OCRv2 目前仅支持中文的检测和识别模型；PP-OCR支持中文的检测，识别，多语种识别，方向分类器等模型	PP-OCRv3