PaddleHub 首页图像 - 文字识别chinese_ocr_db_crnn_server

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==1.2.0

chinese_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
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

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。

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 hub
    import cv2

    ocr = 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''

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 requests
    import json
    import cv2
    import base64

    def 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

相关推荐
转身之后才不会10 个月前
paddlehub 文本检测使用
paddlehub