# 多语言模型 **近期更新** - 2021.4.9 支持**80种**语言的检测和识别 - 2021.4.9 支持**轻量高精度**英文模型检测识别 PaddleOCR 旨在打造一套丰富、领先、且实用的OCR工具库,不仅提供了通用场景下的中英文模型,也提供了专门在英文场景下训练的模型, 和覆盖[80个语言](#语种缩写)的小语种模型。 其中英文模型支持,大小写字母和常见标点的检测识别,并优化了空格字符的识别:
小语种模型覆盖了拉丁语系、阿拉伯语系、中文繁体、韩语、日语等等:
本文档将简要介绍小语种模型的使用方法。 - [1 安装](#安装) - [1.1 paddle 安装](#paddle安装) - [1.2 paddleocr package 安装](#paddleocr_package_安装) - [2 快速使用](#快速使用) - [2.1 命令行运行](#命令行运行) - [2.1.1 整图预测](#bash_检测+识别) - [2.1.2 识别预测](#bash_识别) - [2.1.3 检测预测](#bash_检测) - [2.2 python 脚本运行](#python_脚本运行) - [2.2.1 整图预测](#python_检测+识别) - [2.2.2 识别预测](#python_识别) - [2.2.3 检测预测](#python_检测) - [3 自定义训练](#自定义训练) - [4 支持语种及缩写](#语种缩写) ## 1 安装 ### 1.1 paddle 安装 ``` # cpu pip install paddlepaddle # gpu pip instll paddlepaddle-gpu ``` ### 1.2 paddleocr package 安装 pip 安装 ``` pip install "paddleocr>=2.0.4" # 推荐使用2.0.4版本 ``` 本地构建并安装 ``` python3 setup.py bdist_wheel pip3 install dist/paddleocr-x.x.x-py3-none-any.whl # x.x.x是paddleocr的版本号 ``` ## 2 快速使用 ### 2.1 命令行运行 查看帮助信息 ``` paddleocr -h ``` * 整图预测(检测+识别) Paddleocr目前支持80个语种,可以通过修改--lang参数进行切换,具体支持的[语种](#语种缩写)可查看表格。 ``` bash paddleocr --image_dir doc/imgs/japan_2.jpg --lang=japan ```
结果是一个list,每个item包含了文本框,文字和识别置信度 ```text [[[671.0, 60.0], [847.0, 63.0], [847.0, 104.0], [671.0, 102.0]], ('もちもち', 0.9993342)] [[[394.0, 82.0], [536.0, 77.0], [538.0, 127.0], [396.0, 132.0]], ('天然の', 0.9919842)] [[[880.0, 89.0], [1014.0, 93.0], [1013.0, 127.0], [879.0, 124.0]], ('とろっと', 0.9976762)] [[[1067.0, 101.0], [1294.0, 101.0], [1294.0, 138.0], [1067.0, 138.0]], ('後味のよい', 0.9988712)] ...... ``` * 识别预测 ```bash paddleocr --image_dir doc/imgs_words/japan/1.jpg --det false --lang=japan ``` ![](https://raw.githubusercontent.com/PaddlePaddle/PaddleOCR/release/2.0/doc/imgs_words/japan/1.jpg) 结果是一个tuple,返回识别结果和识别置信度 ```text ('したがって', 0.99965394) ``` * 检测预测 ``` paddleocr --image_dir PaddleOCR/doc/imgs/11.jpg --rec false ``` 结果是一个list,每个item只包含文本框 ``` [[26.0, 457.0], [137.0, 457.0], [137.0, 477.0], [26.0, 477.0]] [[25.0, 425.0], [372.0, 425.0], [372.0, 448.0], [25.0, 448.0]] [[128.0, 397.0], [273.0, 397.0], [273.0, 414.0], [128.0, 414.0]] ...... ``` ### 2.2 python 脚本运行 ppocr 也支持在python脚本中运行,便于嵌入到您自己的代码中: * 整图预测(检测+识别) ``` from paddleocr import PaddleOCR, draw_ocr # 同样也是通过修改 lang 参数切换语种 ocr = PaddleOCR(lang="korean") # 首次执行会自动下载模型文件 img_path = 'doc/imgs/korean_1.jpg ' result = ocr.ocr(img_path) # 打印检测框和识别结果 for line in result: print(line) # 可视化 from PIL import Image image = Image.open(img_path).convert('RGB') boxes = [line[0] for line in result] txts = [line[1][0] for line in result] scores = [line[1][1] for line in result] im_show = draw_ocr(image, boxes, txts, scores, font_path='/path/to/PaddleOCR/doc/korean.ttf') im_show = Image.fromarray(im_show) im_show.save('result.jpg') ``` 结果可视化:
* 识别预测 ``` from paddleocr import PaddleOCR ocr = PaddleOCR(lang="german") img_path = 'PaddleOCR/doc/imgs_words/german/1.jpg' result = ocr.ocr(img_path, det=False, cls=True) for line in result: print(line) ``` ![](../imgs_words/german/1.jpg) 结果是一个tuple,只包含识别结果和识别置信度 ``` ('leider auch jetzt', 0.97538936) ``` * 检测预测 ```python from paddleocr import PaddleOCR, draw_ocr ocr = PaddleOCR() # need to run only once to download and load model into memory img_path = 'PaddleOCR/doc/imgs_en/img_12.jpg' result = ocr.ocr(img_path, rec=False) for line in result: print(line) # 显示结果 from PIL import Image image = Image.open(img_path).convert('RGB') im_show = draw_ocr(image, result, txts=None, scores=None, font_path='/path/to/PaddleOCR/doc/fonts/simfang.ttf') im_show = Image.fromarray(im_show) im_show.save('result.jpg') ``` 结果是一个list,每个item只包含文本框 ```bash [[26.0, 457.0], [137.0, 457.0], [137.0, 477.0], [26.0, 477.0]] [[25.0, 425.0], [372.0, 425.0], [372.0, 448.0], [25.0, 448.0]] [[128.0, 397.0], [273.0, 397.0], [273.0, 414.0], [128.0, 414.0]] ...... ``` 结果可视化 :
ppocr 还支持方向分类, 更多使用方式请参考:[whl包使用说明](https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.0/doc/doc_ch/whl.md)。 ## 3 自定义训练 ppocr 支持使用自己的数据进行自定义训练或finetune, 其中识别模型可以参考 [法语配置文件](../../configs/rec/multi_language/rec_french_lite_train.yml) 修改训练数据路径、字典等参数。 具体数据准备、训练过程可参考:[文本检测](../doc_ch/detection.md)、[文本识别](../doc_ch/recognition.md),更多功能如预测部署、 数据标注等功能可以阅读完整的[文档教程](../../README_ch.md)。 ## 4 支持语种及缩写 | 语种 | 描述 | 缩写 | | --- | --- | --- | |中文|chinese and english|ch| |英文|english|en| |法文|french|fr| |德文|german|german| |日文|japan|japan| |韩文|korean|korean| |中文繁体|chinese traditional |ch_tra| |意大利文| Italian |it| |西班牙文|Spanish |es| |葡萄牙文| Portuguese|pt| |俄罗斯文|Russia|ru| |阿拉伯文|Arabic|ar| |印地文|Hindi|hi| |维吾尔|Uyghur|ug| |波斯文|Persian|fa| |乌尔都文|Urdu|ur| |塞尔维亚文(latin)| Serbian(latin) |rs_latin| |欧西坦文|Occitan |oc| |马拉地文|Marathi|mr| |尼泊尔文|Nepali|ne| |塞尔维亚文(cyrillic)|Serbian(cyrillic)|rs_cyrillic| |保加利亚文|Bulgarian |bg| |乌克兰文|Ukranian|uk| |白俄罗斯文|Belarusian|be| |泰卢固文|Telugu |te| |卡纳达文|Kannada |kn| |泰米尔文|Tamil |ta| |南非荷兰文 |Afrikaans |af| |阿塞拜疆文 |Azerbaijani |az| |波斯尼亚文|Bosnian|bs| |捷克文|Czech|cs| |威尔士文 |Welsh |cy| |丹麦文 |Danish|da| |爱沙尼亚文 |Estonian |et| |爱尔兰文 |Irish |ga| |克罗地亚文|Croatian |hr| |匈牙利文|Hungarian |hu| |印尼文|Indonesian|id| |冰岛文 |Icelandic|is| |库尔德文 |Kurdish|ku| |立陶宛文|Lithuanian |lt| |拉脱维亚文 |Latvian |lv| |毛利文|Maori|mi| |马来文 |Malay|ms| |马耳他文 |Maltese |mt| |荷兰文 |Dutch |nl| |挪威文 |Norwegian |no| |波兰文|Polish |pl| | 罗马尼亚文|Romanian |ro| | 斯洛伐克文|Slovak |sk| | 斯洛文尼亚文|Slovenian |sl| | 阿尔巴尼亚文|Albanian |sq| | 瑞典文|Swedish |sv| | 西瓦希里文|Swahili |sw| | 塔加洛文|Tagalog |tl| | 土耳其文|Turkish |tr| | 乌兹别克文|Uzbek |uz| | 越南文|Vietnamese |vi| | 蒙古文|Mongolian |mn| | 阿巴扎文|Abaza |abq| | 阿迪赫文|Adyghe |ady| | 卡巴丹文|Kabardian |kbd| | 阿瓦尔文|Avar |ava| | 达尔瓦文|Dargwa |dar| | 因古什文|Ingush |inh| | 拉克文|Lak |lbe| | 莱兹甘文|Lezghian |lez| |塔巴萨兰文 |Tabassaran |tab| | 比尔哈文|Bihari |bh| | 迈蒂利文|Maithili |mai| | 昂加文|Angika |ang| | 孟加拉文|Bhojpuri |bho| | 摩揭陀文 |Magahi |mah| | 那格浦尔文|Nagpur |sck| | 尼瓦尔文|Newari |new| | 保加利亚文 |Goan Konkani|gom| | 沙特阿拉伯文|Saudi Arabia|sa|