PaddleOCR: Многоязычная библиотека инструментов OCR на основе Flying Paddle, поддерживающая распознавание более 80 языков.

Общее введение

PaddleOCR - это многоязычный инструментарий OCR, основанный на PaddlePaddle и предназначенный для создания практичной и сверхлегкой системы OCR. Он поддерживает распознавание более 80 языков и предоставляет инструменты аннотирования и синтеза данных для поддержки обучения и развертывания на серверах, мобильных устройствах, встраиваемых и IoT-устройствах. paddleOCR объединяет коррекцию текстового изображения, обнаружение области макета, обнаружение обычного текста, обнаружение текста на штампе, распознавание текста, распознавание таблиц и другие функции, значительно снижая стоимость разработки, и поддерживает высокопроизводительные рассуждения, развертывание на основе услуг и конечное развертывание. Он также поддерживает высокопроизводительные умозаключения, развертывание на основе сервисов и конечное развертывание.

Список функций

• многоязычное распознавание: Поддерживается распознавание текста на более чем 80 языках.
• Инструменты для аннотирования и синтеза данных: Предоставьте удобные инструменты аннотирования и синтеза данных для быстрого создания обучающих данных.
• Коррекция текстовых изображений: Встроенная функция коррекции изображения текста для повышения точности распознавания.
• Определение области макета: Поддержка высокоточного определения области компоновки для разбора сложных документов.
• Распознавание форм: Обеспечивает функцию распознавания формы, способную точно извлекать данные о форме.
• Обнаружение текста печати: Поддерживает обнаружение и распознавание штампованного текста.
• Высокопроизводительные рассуждения: Поддержка высокопроизводительных выводов для приложений реального времени.
• Несколько вариантов развертывания: Поддерживает развертывание серверов, мобильных устройств, встраиваемых и IoT-устройств.
• Разработка с минимальным кодом: Предоставление инструментов для полнопроцессной разработки с низким кодом для снижения порога разработки и повышения эффективности разработки.

Использование помощи

Процесс установки

1. Подготовка к защите окружающей среды::
   • Убедитесь, что установлена версия Python 3.6 или более поздняя.
   • Установите фреймворк PaddlePaddle, который можно установить с помощью следующей команды:

    pip install paddlepaddle
   

   • Установите PaddleOCR:

    pip install paddleocr
   

2. Скачать модели::
   • Загрузите предварительно обученные модели из официального репозитория, ссылки и команды для загрузки можно найти в официальной документации.
3. пример работы::
   • Чтобы запустить пример OCR, выполните следующую команду: bash
paddleocr --image_dir ./doc/imgs/11.jpg --det_model_dir ./inference/ch_ppocr_mobile_v2.0_det_infer --rec_model_dir ./inference/ch_ppocr_mobile_v2.0_rec_infer --cls_model_dir ./inference/ch_ppocr_mobile_v2.0_cls_infer


Функции Поток операций

1. распознавание текста::
   • Подготовьте файл изображения для распознавания.
   • пользоваться paddleocr инструмент командной строки или Python API для идентификации.
   • Код примера:

    from paddleocr import PaddleOCR, draw_ocr
   import matplotlib.pyplot as plt
   import cv2
   ocr = PaddleOCR(use_angle_cls=True, lang='ch')
   img_path = 'path/to/your/image.jpg'
   result = ocr.ocr(img_path, cls=True)
   for line in result:
   print(line)
   # 可视化结果
   image = cv2.imread(img_path)
   boxes = [elements[0] for elements in result]
   txts = [elements[1][0] for elements in result]
   scores = [elements[1][1] for elements in result]
   im_show = draw_ocr(image, boxes, txts, scores, font_path='path/to/your/font.ttf')
   im_show = cv2.cvtColor(im_show, cv2.COLOR_BGR2RGB)
   plt.imshow(im_show)
   plt.show()
   

2. Распознавание форм::
   • Подготовьте файл изображения, содержащий форму.
   • пользоваться paddleocr Инструмент командной строки или Python API для распознавания форм.
   • Код примера:

    from paddleocr import PPStructure, draw_structure_result
   import cv2
   table_engine = PPStructure(show_log=True)
   img_path = 'path/to/your/table_image.jpg'
   result = table_engine(img_path)
   for line in result:
   print(line)
   # 可视化结果
   image = cv2.imread(img_path)
   im_show = draw_structure_result(image, result, font_path='path/to/your/font.ttf')
   im_show = cv2.cvtColor(im_show, cv2.COLOR_BGR2RGB)
   plt.imshow(im_show)
   plt.show()
   

3. Определение области макета::
   • Подготовка файлов изображений со сложными макетами.
   • пользоваться paddleocr Инструмент командной строки или Python API для определения области компоновки.
   • Код примера:

    from paddleocr import PaddleOCR, draw_ocr
   import matplotlib.pyplot as plt
   import cv2
   ocr = PaddleOCR(use_angle_cls=True, lang='ch')
   img_path = 'path/to/your/layout_image.jpg'
   result = ocr.ocr(img_path, cls=True)
   for line in result:
   print(line)
   # 可视化结果
   image = cv2.imread(img_path)
   boxes = [elements[0] for elements in result]
   txts = [elements[1][0] for elements in result]
   scores = [elements[1][1] for elements in result]
   im_show = draw_ocr(image, boxes, txts, scores, font_path='path/to/your/font.ttf')
   im_show = cv2.cvtColor(im_show, cv2.COLOR_BGR2RGB)
   plt.imshow(im_show)
   plt.show()