inference_ppocr.md 6.2 KB
Newer Older
qq_25193841's avatar
qq_25193841 已提交
1
# 基于Python引擎的PP-OCR模型库推理
qq_25193841's avatar
qq_25193841 已提交
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

本文介绍针对PP-OCR模型库的Python推理引擎使用方法,内容依次为文本检测、文本识别、方向分类器以及三者串联在CPU、GPU上的预测方法。


- [1. 文本检测模型推理](#文本检测模型推理)
- [2. 文本识别模型推理](#文本识别模型推理)
  - [2.1 超轻量中文识别模型推理](#超轻量中文识别模型推理)
  - [2.2 多语言模型的推理](#多语言模型的推理)
- [3. 方向分类模型推理](#方向分类模型推理)
- [4. 文本检测、方向分类和文字识别串联推理](#文本检测、方向分类和文字识别串联推理)

<a name="文本检测模型推理"></a>

## 1. 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:
L
LDOUBLEV 已提交
21 22 23
wget  https://paddleocr.bj.bcebos.com/PP-OCRv2/chinese/ch_PP-OCRv2_det_infer.tar
tar xf ch_PP-OCRv2_det_infer.tar
python3 tools/infer/predict_det.py --image_dir="./doc/imgs/00018069.jpg" --det_model_dir="./ch_PP-OCRv2_det_infer.tar/"
L
LDOUBLEV 已提交
24

qq_25193841's avatar
qq_25193841 已提交
25 26 27 28
```

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'。结果示例如下:

qq_25193841's avatar
qq_25193841 已提交
29
![](../imgs_results/det_res_00018069.jpg)
qq_25193841's avatar
qq_25193841 已提交
30 31 32 33 34 35 36 37 38 39 40 41

通过参数`limit_type``det_limit_side_len`来对图片的尺寸进行限制,
`limit_type`可选参数为[`max`, `min`],
`det_limit_size_len` 为正整数,一般设置为32 的倍数,比如960。

参数默认设置为`limit_type='max', det_limit_side_len=960`。表示网络输入图像的最长边不能超过960,
如果超过这个值,会对图像做等宽比的resize操作,确保最长边为`det_limit_side_len`
设置为`limit_type='min', det_limit_side_len=960` 则表示限制图像的最短边为960。

如果输入图片的分辨率比较大,而且想使用更大的分辨率预测,可以设置det_limit_side_len 为想要的值,比如1216:

```
L
LDOUBLEV 已提交
42
python3 tools/infer/predict_det.py --image_dir="./doc/imgs/1.jpg" --det_model_dir="./inference/ch_PP-OCRv2_det_infer/" --det_limit_type=max --det_limit_side_len=1216
qq_25193841's avatar
qq_25193841 已提交
43 44 45 46 47
```

如果想使用CPU进行预测,执行命令如下

```
L
LDOUBLEV 已提交
48
python3 tools/infer/predict_det.py --image_dir="./doc/imgs/1.jpg" --det_model_dir="./inference/ch_PP-OCRv2_det_infer/"  --use_gpu=False
qq_25193841's avatar
qq_25193841 已提交
49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64
```



<a name="文本识别模型推理"></a>

## 2. 文本识别模型推理

<a name="超轻量中文识别模型推理"></a>

### 2.1 超轻量中文识别模型推理

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:
L
LDOUBLEV 已提交
65 66 67
wget  https://paddleocr.bj.bcebos.com/PP-OCRv2/chinese/ch_PP-OCRv2_rec_infer.tar
tar xf ch_PP-OCRv2_rec_infer.tar
python3 tools/infer/predict_rec.py --image_dir="./doc/imgs_words/ch/word_4.jpg" --rec_model_dir="./ch_PP-OCRv2_rec_infer/"
qq_25193841's avatar
qq_25193841 已提交
68 69
```

qq_25193841's avatar
qq_25193841 已提交
70
![](../imgs_words/ch/word_4.jpg)
qq_25193841's avatar
qq_25193841 已提交
71 72 73 74 75 76 77 78 79 80 81

执行命令后,上面图像的预测结果(识别的文本和得分)会打印到屏幕上,示例如下:

```bash
Predicts of ./doc/imgs_words/ch/word_4.jpg:('实力活力', 0.98458153)
```

<a name="多语言模型的推理"></a>

### 2.2 多语言模型的推理

L
LDOUBLEV 已提交
82
如果您需要预测的是其他语言模型,可以在[此链接](./models_list.md#%E5%A4%9A%E8%AF%AD%E8%A8%80%E8%AF%86%E5%88%AB%E6%A8%A1%E5%9E%8B)中找到对应语言的inference模型,在使用inference模型预测时,需要通过`--rec_char_dict_path`指定使用的字典路径, 同时为了得到正确的可视化结果,需要通过 `--vis_font_path` 指定可视化的字体路径,`doc/fonts/` 路径下有默认提供的小语种字体,例如韩文识别:
qq_25193841's avatar
qq_25193841 已提交
83
```
L
LDOUBLEV 已提交
84
wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/multilingual/korean_mobile_v2.0_rec_infer.tar
qq_25193841's avatar
qq_25193841 已提交
85 86 87
python3 tools/infer/predict_rec.py --image_dir="./doc/imgs_words/korean/1.jpg" --rec_model_dir="./your inference model" --rec_char_type="korean" --rec_char_dict_path="ppocr/utils/dict/korean_dict.txt" --vis_font_path="doc/fonts/korean.ttf"
```

qq_25193841's avatar
qq_25193841 已提交
88
![](../imgs_words/korean/1.jpg)
qq_25193841's avatar
qq_25193841 已提交
89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108

执行命令后,上图的预测结果为:

``` text
Predicts of ./doc/imgs_words/korean/1.jpg:('바탕으로', 0.9948904)
```

<a name="方向分类模型推理"></a>

## 3. 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"
```

qq_25193841's avatar
qq_25193841 已提交
109
![](../imgs_words/ch/word_1.jpg)
qq_25193841's avatar
qq_25193841 已提交
110 111 112 113 114 115 116 117 118 119 120 121 122 123 124

执行命令后,上面图像的预测结果(分类的方向和得分)会打印到屏幕上,示例如下:

```
Predicts of ./doc/imgs_words/ch/word_4.jpg:['0', 0.9999982]
```

<a name="文本检测、方向分类和文字识别串联推理"></a>

## 4. 文本检测、方向分类和文字识别串联推理

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、参数`det_model_dir`,`cls_model_dir``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。

```shell
# 使用方向分类器
L
LDOUBLEV 已提交
125
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/00018069.jpg" --det_model_dir="./inference/ch_PP-OCRv2_det_infer/" --cls_model_dir="./inference/cls/" --rec_model_dir="./inference/ch_PP-OCRv2_rec_infer/" --use_angle_cls=true
qq_25193841's avatar
qq_25193841 已提交
126
# 不使用方向分类器
L
LDOUBLEV 已提交
127
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/00018069.jpg" --det_model_dir="./inference/ch_PP-OCRv2_det_infer/" --rec_model_dir="./inference/ch_PP-OCRv2_rec_infer/" --use_angle_cls=false
qq_25193841's avatar
qq_25193841 已提交
128
# 使用多进程
L
LDOUBLEV 已提交
129
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/00018069.jpg" --det_model_dir="./inference/ch_PP-OCRv2_det_infer/" --rec_model_dir="./inference/ch_PP-OCRv2_rec_infer/" --use_angle_cls=false --use_mp=True --total_process_num=6
qq_25193841's avatar
qq_25193841 已提交
130 131 132 133
```

执行命令后,识别结果图像如下:

qq_25193841's avatar
qq_25193841 已提交
134
![](../imgs_results/system_res_00018069.jpg)