mirror of
https://github.com/RapidAI/RapidOCR.git
synced 2026-11-11 21:40:52 +08:00
233 lines
11 KiB
Markdown
Executable File
233 lines
11 KiB
Markdown
Executable File
## Python版RapidOCR
|
||
<p>
|
||
<a href=""><img src="https://img.shields.io/badge/Python-3.6+-aff.svg"></a>
|
||
<a href=""><img src="https://img.shields.io/badge/OS-Linux%2C%20Win%2C%20Mac-pink.svg"></a>
|
||
</p>
|
||
|
||
<details>
|
||
<summary>目录</summary>
|
||
|
||
- [Python版RapidOCR](#python版rapidocr)
|
||
- [简介和说明](#简介和说明)
|
||
- [使用步骤](#使用步骤)
|
||
- [`config.yaml`中常用参数介绍](#configyaml中常用参数介绍)
|
||
- [onnxruntime-gpu版推理配置](#onnxruntime-gpu版推理配置)
|
||
</details>
|
||
|
||
|
||
### 简介和说明
|
||
- **各个版本的ONNX模型下载地址：**[百度网盘](https://pan.baidu.com/s/1PTcgXG2zEgQU6A_A3kGJ3Q?pwd=jhai) | [Google Drive](https://drive.google.com/drive/folders/1x_a9KpCo_1blxH1xFOfgKVkw1HYRVywY?usp=sharing)
|
||
- 所有常用的参数配置都在[`config.yaml`](./config.yaml)下，一目了然，更加便捷
|
||
- **目前[`config.yaml`](./config.yaml)中配置为权衡速度和准确度的最优组合。**
|
||
- 每个独立的模块下均有独立的`config.yaml`配置文件，可以单独使用
|
||
- `det`部分：
|
||
- `det`中`mobile`和`server`版，推理代码一致，直接更改配置文件中模型路径即可
|
||
- `det`中`v2`和`v3`两个版本，推理代码一致，直接更改配置文件中模型路径即可
|
||
```yaml
|
||
Det:
|
||
module_name: ch_ppocr_v2_det
|
||
class_name: TextDetector
|
||
model_path: resources/models/ch_PP-OCRv3_det_infer.onnx
|
||
```
|
||
- `rec`部分：
|
||
- `rec`中`mobile`和`server`版本，推理代码一致，直接更改配置文件中模型路径即可
|
||
- `rec`中`v2`和`v3`两个版本，共用同一个推理代码。
|
||
- 两版本差别仅在输入shape和模型。经过测试，采用`v3 rec模型`+`[3, 48, 320]`效果最好。
|
||
- 目前配置文件`config.yaml`中（如下所示）已经改为该最优组合。
|
||
```yaml
|
||
module_name: ch_ppocr_v2_rec
|
||
class_name: TextRecognizer
|
||
model_path: resources/models/ch_PP-OCRv3_rec_infer.onnx
|
||
|
||
rec_img_shape: [3, 48, 320]
|
||
rec_batch_num: 6
|
||
keys_path: resources/rec_dict/ppocr_keys_v1.txt
|
||
```
|
||
- onnxruntime和openvino调用方式如下:
|
||
```python
|
||
# 基于onnxruntime引擎推理
|
||
from rapidocr_onnxruntime import TextSystem
|
||
|
||
# 基于openvino引擎推理
|
||
from rapidocr_openvino import TextSystem
|
||
```
|
||
- 值得说明的是，基于openvino推理部分中`ch_ppocr_v2_cls`部分仍然是基于onnxruntime的，原因是openvino有bug，详情见[openvino/issue](https://github.com/openvinotoolkit/openvino/issues/11501)
|
||
|
||
|
||
### 使用步骤
|
||
1. 下载当前下的`rapidocr_onnxruntime`/`rapidocr_openvino`目录到本地
|
||
2. 下载链接下的`resources`目录（包含模型和显示的字体文件）
|
||
- 下载链接：[百度网盘](https://pan.baidu.com/s/1PTcgXG2zEgQU6A_A3kGJ3Q?pwd=jhai) | [Google Drive](https://drive.google.com/drive/folders/1x_a9KpCo_1blxH1xFOfgKVkw1HYRVywY?usp=sharing)
|
||
- `resources/models`下模型搭配已经为最优组合（速度和精度平衡）
|
||
```text
|
||
ch_PP-OCRv3_det + ch_ppocr_mobile_v2.0_cls + ch_ppocr_mobile_v2.0_rec
|
||
```
|
||
- 最终目录如下:
|
||
```text
|
||
.
|
||
├── README.md
|
||
├── config.yaml
|
||
├── test_demo.py
|
||
├── rapidocr_onnxruntime
|
||
│ ├── __init__.py
|
||
│ ├── ch_ppocr_v2_cls
|
||
│ ├── ch_ppocr_v2_det
|
||
│ ├── ch_ppocr_v2_rec
|
||
│ └── rapid_ocr_api.py
|
||
├── rapidocr_openvino
|
||
│ ├── __init__.py
|
||
│ ├── README.md
|
||
│ ├── ch_ppocr_v2_cls
|
||
│ ├── ch_ppocr_v2_det
|
||
│ ├── ch_ppocr_v2_rec
|
||
│ └── rapid_ocr_api.py
|
||
├── requirements.txt
|
||
├── resources
|
||
│ ├── fonts
|
||
│ │ └── msyh.ttc
|
||
│ ├── models
|
||
│ │ ├── ch_PP-OCRv3_det_infer.onnx
|
||
│ │ ├── ch_ppocr_mobile_v2.0_cls_infer.onnx
|
||
│ │ └── ch_PP-OCRv3_rec_infer.onnx
|
||
│ └── rec_dict
|
||
│ ├── en_dict.txt
|
||
│ ├── japan_dict.txt
|
||
│ ├── korean_dict.txt
|
||
│ └── ppocr_keys_v1.txt
|
||
└── test_images
|
||
├── ch_en_num.jpg
|
||
└── single_line_text.jpg
|
||
```
|
||
3. 安装运行环境
|
||
- 基于onnxruntime推理所需环境安装：
|
||
```bash
|
||
pip install onnxruntime>=1.7.0
|
||
|
||
pip install -r requirements.txt -i https://pypi.douban.com/simple/
|
||
```
|
||
- 基于openvino推理所需环境安装：
|
||
```bash
|
||
# Windows端
|
||
pip install openvino==2022.1.0
|
||
|
||
pip install -r requirements.txt -i https://pypi.douban.com/simple/
|
||
```
|
||
- Note: 在Windows端，Shapely库可能自动安装会有问题，解决方案参见[Q15](../docs/FAQ.md#q15-装完环境之后运行python-mainpy之后报错oserror-winerror-126-找不到指定的模組)
|
||
|
||
4. 运行示例
|
||
- 运行单元测试
|
||
```bash
|
||
cd tests
|
||
pytest test_*.py
|
||
```
|
||
- 接口调用
|
||
```python
|
||
import cv2
|
||
|
||
# 基于onnxruntime引擎推理
|
||
from rapidocr_onnxruntime import TextSystem
|
||
|
||
# 基于openvino引擎推理
|
||
# from rapidocr_openvino import TextSystem
|
||
|
||
config_path = 'config.yaml'
|
||
text_sys = TextSystem(config_path)
|
||
|
||
image_path = r'test_images/det_images/ch_en_num.jpg'
|
||
img = cv2.imread(image_path)
|
||
dt_boxes, rec_res = text_sys(img)
|
||
print(rec_res)
|
||
```
|
||
- 直接运行`test_demo.py`，可直接可视化查看结果。
|
||
```bash
|
||
python test_demp.py
|
||
```
|
||
|
||
### [`config.yaml`](./config.yaml)中常用参数介绍
|
||
- `Global`部分
|
||
| 参数名称 | 取值范围 | 默认值 | 作用 |
|
||
|------------: | :----------: | :-----: | :----------------------------------------------|
|
||
| `text_score` | [0, 1] | 0.5 | 文本识别结果置信度，值越大，把握越大 |
|
||
| `use_angle_cls` | `bool` | `true` | 是否使用文本行的方向分类 |
|
||
| `print_verbose` | `bool` | `true` | 是否打印各个部分耗时信息 |
|
||
| `min_height` | `int` | 30 | 图像最小高度（单位是像素）<br/>低于这个值，会跳过文本检测阶段，直接进行后续识别 |
|
||
|
||
- `min_height`是用来过滤只有一行文本的图像（如下图），这类图像不会进入文本检测模块，直接进入后续过程。
|
||
|
||
|
||
|
||
- `Det`部分
|
||
| 参数名称 | 取值范围 | 默认值 | 作用 |
|
||
| ------------: | :----------: | :-----: | :----------------------------------------------|
|
||
| `use_cuda` | `bool` | `false` | 是否使用CUDA，加速推理 |
|
||
|`limit_side_len`| - | 736 | 限制图像边的长度的像素值 |
|
||
|`limit_type`| `[min, max]` | `min` | 限制图像的最小边长度还是最大边为`limit_side_len` <br/> 示例解释：当`limit_type=min`和`limit_side_len=736`时，图像最小边小于736时，<br/>会将图像最小边拉伸到736，另一边则按图像原始比例等比缩放。 |
|
||
| `thresh` | [0, 1] | 0.3 | 图像中文字部分和背景部分分割阈值<br/>值越大，文字部分会越小 |
|
||
| `box_thresh` | [0, 1] | 0.5 | 文本检测所得框是否保留的阈值，值越大，召回率越低 |
|
||
|`max_candidates`| - | 1000 | 图像中最大可检测到的文本框数目，一般够用|
|
||
| `unclip_ratio` | [1.6, 2.0] | 1.6 | 控制文本检测框的大小，值越大，检测框整体越大 |
|
||
|`use_dilation`| `bool` | `true` | 是否使用形态学中的膨胀操作，一般采用默认值即可 |
|
||
|
||
- `Cls`部分
|
||
| 参数名称 | 取值范围 | 默认值 | 作用 |
|
||
| ------------: | :----------: | :-----: | :----------------------------------------------|
|
||
|`cls_img_shape`| - |`[3, 48, 192]`| 输入方向分类模型的图像Shape（CHW） |
|
||
|`cls_batch_num`| - | 6 | 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 |
|
||
|`cls_thresh`|`[0, 1]`|0.9| 方向分类结果的置信度|
|
||
|`label_list`| - | [0, 180] | 方向分类的标签，0°或者180°，**该参数不能动** |
|
||
|
||
- `Rec`部分
|
||
| 参数名称 | 取值范围 | 默认值 | 作用 |
|
||
| ------------: | :----------: | :-----: | :----------------------------------------------|
|
||
|`rec_img_shape`| - |`[3, 48, 320]`| 输入文本识别模型的图像Shape（CHW） |
|
||
|`rec_batch_num`| - | 6 | 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 |
|
||
|`keys_path`| - | - | 文本识别模型推理所使用字典文件，始识别哪种类型文本而定（中英、日文等） |
|
||
|
||
### onnxruntime-gpu版推理配置
|
||
|
||
1. **onnxruntime-gpu**需要严格按照与cuda、cudnn版本对应来安装，具体参考[文档](https://onnxruntime.ai/docs/execution-providers/CUDA-ExecutionProvider.html#requirements)，**这一步关乎后面是否可以成功调用GPU**。
|
||
```bash
|
||
$ pip install onnxruntime-gpu==1.xxx
|
||
```
|
||
2. 更改[`config.yaml`](./config.yaml)中对应部分的参数即可，详细参数介绍参见[官方文档](https://onnxruntime.ai/docs/execution-providers/CUDA-ExecutionProvider.html)。
|
||
```yaml
|
||
use_cuda: true
|
||
CUDAExecutionProvider:
|
||
device_id: 0
|
||
arena_extend_strategy: kNextPowerOfTwo
|
||
gpu_mem_limit: 2 * 1024 * 1024 * 1024
|
||
cudnn_conv_algo_search: EXHAUSTIVE
|
||
do_copy_in_default_stream: true
|
||
```
|
||
|
||
3. 推理情况
|
||
1. 下载基准测试数据集（`test_images_benchmark`），放到`tests/benchmark`目录下。
|
||
- [百度网盘](https://pan.baidu.com/s/1R4gYtJt2G3ypGkLWGwUCKg?pwd=ceuo) | [Google Drive](https://drive.google.com/drive/folders/1IIOCcUXdWa43Tfpsiy6UQJmPsZLnmgFh?usp=sharing)
|
||
- 最终目录结构如下：
|
||
```text
|
||
tests/benchmark/
|
||
├── benchmark.py
|
||
├── config_gpu.yaml
|
||
├── config.yaml
|
||
└── test_images_benchmark
|
||
```
|
||
2. 运行以下代码（`python`目录下运行）：
|
||
```shell
|
||
# CPU
|
||
python tests/benchmark/benchmark.py --yaml_path config.yaml
|
||
|
||
# GPU
|
||
python tests/benchmark/benchmark.py --yaml_path config_gpu.yaml
|
||
```
|
||
3. 运行相关信息汇总：
|
||
- 设备型号：
|
||
- GPU型号：
|
||
- CPU型号：
|
||
- 耗时情况：
|
||
|
||
|设备|总耗时(s)|平均耗时(s/img)|
|
||
|:---:|:---:|:---:|
|
||
|CPU|||
|
||
|GPU|||
|
||
|