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 | 否 |
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
-
样例结果示例:
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