简介

飞桨（PaddlePaddle）OCR（Optical Character Recognition）是一个开源的深度学习框架，用于文字识别任务。它提供了一系列强大的工具和模型，可以用于实现各种文本识别应用。

飞桨OCR主要包括以下几个方面的功能和特点：

1. 文字检测（Text Detection）：通过检测图像中的文本区域，确定文本的位置和边界框。
2. 文字识别（Text Recognition）：将检测到的文本区域进行识别，将图像中的文字转化为可读的文本内容。
3. 文字方向检测（Text Direction Detection）：自动检测文本的朝向，包括水平、垂直和倾斜等方向。
4. 多语言支持：飞桨OCR可以处理多种语言的文字识别，包括中文、英文以及其他语种。

飞桨OCR提供了预训练的模型，例如EAST、CRNN和Rosetta等，这些模型可以在各种场景下进行文字识别。此外，飞桨OCR还提供了丰富的工具函数和API，方便用户进行模型训练、推理和部署。

项目介绍

项目连接：

https://github.com/PaddlePaddle/PaddleOCR

功能很强大，开源做以下检测项：

安装难点

使用该项目需要安装项目文件里的requirements.txt，里面的依赖包，其他的正常pip install都很顺利，就lanms-neo==1.0.2比较折腾，window环境要安装lanms-neo,Luix安装lanms;

pip install lanms-neo==1.0.2#没有安装Visual Studio无效

问题

报错： Microsoft Visual C++ 14.0 is required gcc:，gcc: error: /EHsc: No such file or directory ，gcc.exe’ failed with exit status 1

解决办法

我在网上找了很多方法试了，就是不想Visual Studio，但是都没成功！最后还是安装了Visual Studio 2022不想走弯路的直接按照一下安装。

安装的网址：

Microsoft C++ 生成工具 - Visual Studio

https://visualstudio.microsoft.com/zh-hans/visual-cpp-build-tools/

下载 C++ Build Tools，并安装C++桌面开发，默认前几个就行

安装完成之后，在运行一下代码

pip install lanms-neo==1.0.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

模型缩写介绍

飞桨OCR（文字识别）中的一些常用模型和任务的缩写及其含义如下：

1. DET：Text Detection（文字检测） DET模型用于检测图像中的文本区域，并确定文本的位置和边界框。
2. CLS：Text Classification（文本分类） CLS模型用于将给定的文本分为不同的类别或标签。文字方向分类通常使用深度学习模型进行文本分类任务。
3. E2E：End-to-End Text Recognition（端到端文字识别） E2E模型将文字检测和文字识别任务整合在一起，实现从图像到最终文本结果的完整识别过程。
4. REC：Text Recognition（文字识别） REC模型用于将图像中的文字转换为可读的文本内容。文本识别模型可以使用传统的方法（如CRNN）或基于Transformer的方法（如Rosetta）。
5. SR：Speech Recognition（语音识别） SR模型用于将语音信号转换为文字。通过训练深度学习模型，可以实现准确的语音识别任务。
6. KIE：Knowledge Information Extraction（知识信息抽取） KIE模型用于从文本中提取有用的知识信息，例如实体识别、关系抽取和事件提取等任务。

这些缩写代表了OCR中涉及的不同任务和模型，通过组合使用它们，可以构建出适用于不同场景和需求的文字识别系统

模型推理调用

文本检测模型推理

文本检测模型推理，默认使用DB模型的配置参数。超轻量中文检测模型推理，可以执行如下命令：

# 下载超轻量中文检测模型：
wget  https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_det_infer.tar
tar xf ch_PP-OCRv3_det_infer.tar
python3 tools/infer/predict_det.py --image_dir="./doc/imgs/00018069.jpg" --det_model_dir="./ch_PP-OCRv3_det_infer/"

可视化文本检测结果默认保存到./inference_results文件夹里面，结果文件的名称前缀为'det_res'；

使用CPU进行预测，执行命令如下：

python3 tools/infer/predict_det.py --image_dir="./doc/imgs/1.jpg" --det_model_dir="./ch_PP-OCRv3_det_infer/"  --use_gpu=False

文本识别模型推理

注意 PP-OCRv3的识别模型使用的输入shape为3,48,320, 如果使用其他识别模型，则需根据模型设置参数--rec_image_shape。此外，PP-OCRv3的识别模型默认使用的rec_algorithm为SVTR_LCNet，注意和原始SVTR的区别。

超轻量中文识别模型推理，可以执行如下命令：

# 下载超轻量中文识别模型：
wget  https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_rec_infer.tar
tar xf ch_PP-OCRv3_rec_infer.tar
python3 tools/infer/predict_rec.py --image_dir="./doc/imgs_words/ch/word_4.jpg" --rec_model_dir="./ch_PP-OCRv3_rec_infer/"

英文识别模型推理

英文识别模型推理，可以执行如下命令， 注意修改字典路径：

# 下载英文数字识别模型：
wget https://paddleocr.bj.bcebos.com/PP-OCRv3/english/en_PP-OCRv3_rec_infer.tar
tar xf en_PP-OCRv3_rec_infer.tar
python3 tools/infer/predict_rec.py --image_dir="./doc/imgs_words/en/word_1.png" --rec_model_dir="./en_PP-OCRv3_rec_infer/" --rec_char_dict_path="ppocr/utils/en_dict.txt"

方向分类模型推理

方向分类模型推理，可以执行如下命令：

# 下载超轻量中文方向分类器模型：
wget  https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar
tar xf ch_ppocr_mobile_v2.0_cls_infer.tar
python3 tools/infer/predict_cls.py --image_dir="./doc/imgs_words/ch/word_4.jpg" --cls_model_dir="ch_ppocr_mobile_v2.0_cls_infer"

文本检测、方向分类和文字识别串联推理

注意 PP-OCRv3的识别模型使用的输入shape为3,48,320, 如果使用其他识别模型，则需根据模型设置参数--rec_image_shape。此外，PP-OCRv3的识别模型默认使用的rec_algorithm为SVTR_LCNet，注意和原始SVTR的区别。

以超轻量中文OCR模型推理为例，在执行预测时，需要通过参数image_dir指定单张图像或者图像集合的路径，也支持PDF文件、参数det_model_dir,cls_model_dir和rec_model_dir分别指定检测，方向分类和识别的inference模型路径。参数use_angle_cls用于控制是否启用方向分类模型。use_mp表示是否使用多进程。total_process_num表示在使用多进程时的进程数。可视化识别结果默认保存到 ./inference_results 文件夹里面。

# 使用方向分类器
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/00018069.jpg" --det_model_dir="./ch_PP-OCRv3_det_infer/" --cls_model_dir="./cls/" --rec_model_dir="./ch_PP-OCRv3_rec_infer/" --use_angle_cls=true
# 不使用方向分类器
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/00018069.jpg" --det_model_dir="./ch_PP-OCRv3_det_infer/" --rec_model_dir="./ch_PP-OCRv3_rec_infer/" --use_angle_cls=false
# 使用多进程
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/00018069.jpg" --det_model_dir="./ch_PP-OCRv3_det_infer/" --rec_model_dir="./ch_PP-OCRv3_rec_infer/" --use_angle_cls=false --use_mp=True --total_process_num=6
# 使用PDF文件,可以通过使用`page_num`参数来控制推理前几页，默认为0，表示推理所有页
python3 tools/infer/predict_system.py --image_dir="./xxx.pdf" --det_model_dir="./ch_PP-OCRv3_det_infer/" --cls_model_dir="./cls/" --rec_model_dir="./ch_PP-OCRv3_rec_infer/" --use_angle_cls=true --page_num=2

附一张识别效果图