paddlestructure.cpp 10.4 KB
Newer Older
文幕地方's avatar
文幕地方 已提交
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
// Copyright (c) 2020 PaddlePaddle Authors. All Rights Reserved.
//
// Licensed under the Apache License, Version 2.0 (the "License");
// you may not use this file except in compliance with the License.
// You may obtain a copy of the License at
//
//     http://www.apache.org/licenses/LICENSE-2.0
//
// Unless required by applicable law or agreed to in writing, software
// distributed under the License is distributed on an "AS IS" BASIS,
// WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
// See the License for the specific language governing permissions and
// limitations under the License.

#include <include/args.h>
#include <include/paddlestructure.h>

#include "auto_log/autolog.h"

namespace PaddleOCR {

PaddleStructure::PaddleStructure() {
文幕地方's avatar
文幕地方 已提交
23 24 25 26 27 28 29
  if (FLAGS_layout) {
    this->layout_model_ = new StructureLayoutRecognizer(
        FLAGS_layout_model_dir, FLAGS_use_gpu, FLAGS_gpu_id, FLAGS_gpu_mem,
        FLAGS_cpu_threads, FLAGS_enable_mkldnn, FLAGS_layout_dict_path,
        FLAGS_use_tensorrt, FLAGS_precision, FLAGS_layout_score_threshold,
        FLAGS_layout_nms_threshold);
  }
文幕地方's avatar
文幕地方 已提交
30
  if (FLAGS_table) {
文幕地方's avatar
文幕地方 已提交
31
    this->table_model_ = new StructureTableRecognizer(
文幕地方's avatar
文幕地方 已提交
32 33 34
        FLAGS_table_model_dir, FLAGS_use_gpu, FLAGS_gpu_id, FLAGS_gpu_mem,
        FLAGS_cpu_threads, FLAGS_enable_mkldnn, FLAGS_table_char_dict_path,
        FLAGS_use_tensorrt, FLAGS_precision, FLAGS_table_batch_num,
文幕地方's avatar
文幕地方 已提交
35
        FLAGS_table_max_len, FLAGS_merge_no_span_structure);
文幕地方's avatar
文幕地方 已提交
36 37 38
  }
};

文幕地方's avatar
文幕地方 已提交
39 40 41 42
std::vector<StructurePredictResult>
PaddleStructure::structure(cv::Mat srcimg, bool layout, bool table, bool ocr) {
  cv::Mat img;
  srcimg.copyTo(img);
文幕地方's avatar
文幕地方 已提交
43

文幕地方's avatar
文幕地方 已提交
44
  std::vector<StructurePredictResult> structure_results;
文幕地方's avatar
文幕地方 已提交
45

文幕地方's avatar
文幕地方 已提交
46 47 48 49 50
  if (layout) {
    this->layout(img, structure_results);
  } else {
    StructurePredictResult res;
    res.type = "table";
文幕地方's avatar
fix bug  
文幕地方 已提交
51
    res.box = std::vector<float>(4, 0.0);
文幕地方's avatar
文幕地方 已提交
52 53 54
    res.box[2] = img.cols;
    res.box[3] = img.rows;
    structure_results.push_back(res);
文幕地方's avatar
文幕地方 已提交
55
  }
文幕地方's avatar
文幕地方 已提交
56 57 58 59 60 61 62 63
  cv::Mat roi_img;
  for (int i = 0; i < structure_results.size(); i++) {
    // crop image
    roi_img = Utility::crop_image(img, structure_results[i].box);
    if (structure_results[i].type == "table" && table) {
      this->table(roi_img, structure_results[i]);
    } else if (ocr) {
      structure_results[i].text_res = this->ocr(roi_img, true, true, false);
文幕地方's avatar
文幕地方 已提交
64 65
    }
  }
文幕地方's avatar
文幕地方 已提交
66

文幕地方's avatar
文幕地方 已提交
67 68 69
  return structure_results;
};

文幕地方's avatar
文幕地方 已提交
70 71 72 73 74 75 76 77 78 79
void PaddleStructure::layout(
    cv::Mat img, std::vector<StructurePredictResult> &structure_result) {
  std::vector<double> layout_times;
  this->layout_model_->Run(img, structure_result, layout_times);

  this->time_info_layout[0] += layout_times[0];
  this->time_info_layout[1] += layout_times[1];
  this->time_info_layout[2] += layout_times[2];
}

文幕地方's avatar
文幕地方 已提交
80
void PaddleStructure::table(cv::Mat img,
文幕地方's avatar
文幕地方 已提交
81
                            StructurePredictResult &structure_result) {
文幕地方's avatar
文幕地方 已提交
82 83 84
  // predict structure
  std::vector<std::vector<std::string>> structure_html_tags;
  std::vector<float> structure_scores(1, 0);
文幕地方's avatar
文幕地方 已提交
85
  std::vector<std::vector<std::vector<int>>> structure_boxes;
文幕地方's avatar
文幕地方 已提交
86
  std::vector<double> structure_times;
文幕地方's avatar
文幕地方 已提交
87 88
  std::vector<cv::Mat> img_list;
  img_list.push_back(img);
文幕地方's avatar
文幕地方 已提交
89 90 91 92 93 94 95

  this->table_model_->Run(img_list, structure_html_tags, structure_scores,
                          structure_boxes, structure_times);

  this->time_info_table[0] += structure_times[0];
  this->time_info_table[1] += structure_times[1];
  this->time_info_table[2] += structure_times[2];
文幕地方's avatar
文幕地方 已提交
96 97 98 99 100 101 102

  std::vector<OCRPredictResult> ocr_result;
  std::string html;
  int expand_pixel = 3;

  for (int i = 0; i < img_list.size(); i++) {
    // det
文幕地方's avatar
文幕地方 已提交
103
    this->det(img_list[i], ocr_result);
文幕地方's avatar
文幕地方 已提交
104 105
    // crop image
    std::vector<cv::Mat> rec_img_list;
文幕地方's avatar
文幕地方 已提交
106
    std::vector<int> ocr_box;
文幕地方's avatar
文幕地方 已提交
107
    for (int j = 0; j < ocr_result.size(); j++) {
文幕地方's avatar
文幕地方 已提交
108
      ocr_box = Utility::xyxyxyxy2xyxy(ocr_result[j].box);
文幕地方's avatar
fix bug  
文幕地方 已提交
109 110 111 112
      ocr_box[0] = std::max(0, ocr_box[0] - expand_pixel);
      ocr_box[1] = std::max(0, ocr_box[1] - expand_pixel),
      ocr_box[2] = std::min(img_list[i].cols, ocr_box[2] + expand_pixel);
      ocr_box[3] = std::min(img_list[i].rows, ocr_box[3] + expand_pixel);
文幕地方's avatar
文幕地方 已提交
113 114

      cv::Mat crop_img = Utility::crop_image(img_list[i], ocr_box);
文幕地方's avatar
文幕地方 已提交
115 116 117
      rec_img_list.push_back(crop_img);
    }
    // rec
文幕地方's avatar
文幕地方 已提交
118
    this->rec(rec_img_list, ocr_result);
文幕地方's avatar
文幕地方 已提交
119 120 121 122
    // rebuild table
    html = this->rebuild_table(structure_html_tags[i], structure_boxes[i],
                               ocr_result);
    structure_result.html = html;
文幕地方's avatar
文幕地方 已提交
123
    structure_result.cell_box = structure_boxes[i];
文幕地方's avatar
文幕地方 已提交
124 125 126 127
    structure_result.html_score = structure_scores[i];
  }
};

文幕地方's avatar
文幕地方 已提交
128 129 130 131
std::string
PaddleStructure::rebuild_table(std::vector<std::string> structure_html_tags,
                               std::vector<std::vector<int>> structure_boxes,
                               std::vector<OCRPredictResult> &ocr_result) {
文幕地方's avatar
文幕地方 已提交
132
  // match text in same cell
文幕地方's avatar
fix bug  
文幕地方 已提交
133 134
  std::vector<std::vector<std::string>> matched(structure_boxes.size(),
                                                std::vector<std::string>());
文幕地方's avatar
文幕地方 已提交
135

文幕地方's avatar
文幕地方 已提交
136 137
  std::vector<int> ocr_box;
  std::vector<int> structure_box;
文幕地方's avatar
文幕地方 已提交
138
  for (int i = 0; i < ocr_result.size(); i++) {
文幕地方's avatar
文幕地方 已提交
139 140 141 142 143
    ocr_box = Utility::xyxyxyxy2xyxy(ocr_result[i].box);
    ocr_box[0] -= 1;
    ocr_box[1] -= 1;
    ocr_box[2] += 1;
    ocr_box[3] += 1;
文幕地方's avatar
文幕地方 已提交
144 145 146
    std::vector<std::vector<float>> dis_list(structure_boxes.size(),
                                             std::vector<float>(3, 100000.0));
    for (int j = 0; j < structure_boxes.size(); j++) {
文幕地方's avatar
文幕地方 已提交
147 148 149 150 151 152
      if (structure_boxes[i].size() == 8) {
        structure_box = Utility::xyxyxyxy2xyxy(structure_boxes[j]);
      } else {
        structure_box = structure_boxes[j];
      }
      dis_list[j][0] = this->dis(ocr_box, structure_box);
文幕地方's avatar
文幕地方 已提交
153
      dis_list[j][1] = 1 - Utility::iou(ocr_box, structure_box);
文幕地方's avatar
文幕地方 已提交
154 155 156 157 158 159 160
      dis_list[j][2] = j;
    }
    // find min dis idx
    std::sort(dis_list.begin(), dis_list.end(),
              PaddleStructure::comparison_dis);
    matched[dis_list[0][2]].push_back(ocr_result[i].text);
  }
文幕地方's avatar
文幕地方 已提交
161

文幕地方's avatar
文幕地方 已提交
162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218
  // get pred html
  std::string html_str = "";
  int td_tag_idx = 0;
  for (int i = 0; i < structure_html_tags.size(); i++) {
    if (structure_html_tags[i].find("</td>") != std::string::npos) {
      if (structure_html_tags[i].find("<td></td>") != std::string::npos) {
        html_str += "<td>";
      }
      if (matched[td_tag_idx].size() > 0) {
        bool b_with = false;
        if (matched[td_tag_idx][0].find("<b>") != std::string::npos &&
            matched[td_tag_idx].size() > 1) {
          b_with = true;
          html_str += "<b>";
        }
        for (int j = 0; j < matched[td_tag_idx].size(); j++) {
          std::string content = matched[td_tag_idx][j];
          if (matched[td_tag_idx].size() > 1) {
            // remove blank, <b> and </b>
            if (content.length() > 0 && content.at(0) == ' ') {
              content = content.substr(0);
            }
            if (content.length() > 2 && content.substr(0, 3) == "<b>") {
              content = content.substr(3);
            }
            if (content.length() > 4 &&
                content.substr(content.length() - 4) == "</b>") {
              content = content.substr(0, content.length() - 4);
            }
            if (content.empty()) {
              continue;
            }
            // add blank
            if (j != matched[td_tag_idx].size() - 1 &&
                content.at(content.length() - 1) != ' ') {
              content += ' ';
            }
          }
          html_str += content;
        }
        if (b_with) {
          html_str += "</b>";
        }
      }
      if (structure_html_tags[i].find("<td></td>") != std::string::npos) {
        html_str += "</td>";
      } else {
        html_str += structure_html_tags[i];
      }
      td_tag_idx += 1;
    } else {
      html_str += structure_html_tags[i];
    }
  }
  return html_str;
}

文幕地方's avatar
文幕地方 已提交
219 220 221 222 223
float PaddleStructure::dis(std::vector<int> &box1, std::vector<int> &box2) {
  int x1_1 = box1[0];
  int y1_1 = box1[1];
  int x2_1 = box1[2];
  int y2_1 = box1[3];
文幕地方's avatar
文幕地方 已提交
224

文幕地方's avatar
文幕地方 已提交
225 226 227 228
  int x1_2 = box2[0];
  int y1_2 = box2[1];
  int x2_2 = box2[2];
  int y2_2 = box2[3];
文幕地方's avatar
文幕地方 已提交
229 230 231 232 233

  float dis =
      abs(x1_2 - x1_1) + abs(y1_2 - y1_1) + abs(x2_2 - x2_1) + abs(y2_2 - y2_1);
  float dis_2 = abs(x1_2 - x1_1) + abs(y1_2 - y1_1);
  float dis_3 = abs(x2_2 - x2_1) + abs(y2_2 - y2_1);
文幕地方's avatar
fix bug  
文幕地方 已提交
234
  return dis + std::min(dis_2, dis_3);
文幕地方's avatar
文幕地方 已提交
235 236
}

文幕地方's avatar
文幕地方 已提交
237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288
void PaddleStructure::reset_timer() {
  this->time_info_det = {0, 0, 0};
  this->time_info_rec = {0, 0, 0};
  this->time_info_cls = {0, 0, 0};
  this->time_info_table = {0, 0, 0};
  this->time_info_layout = {0, 0, 0};
}

void PaddleStructure::benchmark_log(int img_num) {
  if (this->time_info_det[0] + this->time_info_det[1] + this->time_info_det[2] >
      0) {
    AutoLogger autolog_det("ocr_det", FLAGS_use_gpu, FLAGS_use_tensorrt,
                           FLAGS_enable_mkldnn, FLAGS_cpu_threads, 1, "dynamic",
                           FLAGS_precision, this->time_info_det, img_num);
    autolog_det.report();
  }
  if (this->time_info_rec[0] + this->time_info_rec[1] + this->time_info_rec[2] >
      0) {
    AutoLogger autolog_rec("ocr_rec", FLAGS_use_gpu, FLAGS_use_tensorrt,
                           FLAGS_enable_mkldnn, FLAGS_cpu_threads,
                           FLAGS_rec_batch_num, "dynamic", FLAGS_precision,
                           this->time_info_rec, img_num);
    autolog_rec.report();
  }
  if (this->time_info_cls[0] + this->time_info_cls[1] + this->time_info_cls[2] >
      0) {
    AutoLogger autolog_cls("ocr_cls", FLAGS_use_gpu, FLAGS_use_tensorrt,
                           FLAGS_enable_mkldnn, FLAGS_cpu_threads,
                           FLAGS_cls_batch_num, "dynamic", FLAGS_precision,
                           this->time_info_cls, img_num);
    autolog_cls.report();
  }
  if (this->time_info_table[0] + this->time_info_table[1] +
          this->time_info_table[2] >
      0) {
    AutoLogger autolog_table("table", FLAGS_use_gpu, FLAGS_use_tensorrt,
                             FLAGS_enable_mkldnn, FLAGS_cpu_threads,
                             FLAGS_cls_batch_num, "dynamic", FLAGS_precision,
                             this->time_info_table, img_num);
    autolog_table.report();
  }
  if (this->time_info_layout[0] + this->time_info_layout[1] +
          this->time_info_layout[2] >
      0) {
    AutoLogger autolog_layout("layout", FLAGS_use_gpu, FLAGS_use_tensorrt,
                              FLAGS_enable_mkldnn, FLAGS_cpu_threads,
                              FLAGS_cls_batch_num, "dynamic", FLAGS_precision,
                              this->time_info_layout, img_num);
    autolog_layout.report();
  }
}

文幕地方's avatar
文幕地方 已提交
289
PaddleStructure::~PaddleStructure() {
文幕地方's avatar
文幕地方 已提交
290 291
  if (this->table_model_ != nullptr) {
    delete this->table_model_;
文幕地方's avatar
文幕地方 已提交
292 293 294 295
  }
};

} // namespace PaddleOCR