资讯专栏INFORMATION COLUMN

如何识别图片文字,PaddleOCR机器学习开源项目使用 | 机器学习

WelliJhon / 3336人阅读

摘要:我们的生活中,机器学习已经越来越多的扮演着重要角色,也不再是神秘的东西。本文主要是介绍一个博主使用的比较好的开源项目,在这里分享给大家。项目使用先把项目从上下来,慢慢分析。显示结果部分会将识别的文字用框标出来,并且展示识别的结果。

目录

前言

项目使用

项目结构

环境部署

测试代码

参数补充

总结


前言

什么是OCR?

光学字符识别(Optical Character Recognition, OCR),是指对文本资料的图像文件进行分析识别处理,获取文字及版面信息的过程。简而言之,检测图像中的文本资料,并且识别出文本的内容。

那么有哪些应用场景呢?

其实我们日常生活中处处都有ocr的影子,比如在疫情期间身份证识别录入信息、车辆车牌号识别、自动驾驶等。我们的生活中,机器学习已经越来越多的扮演着重要角色,也不再是神秘的东西。

OCR的技术路线是什么呢?

ocr的运行方式如下图,输入->图像预处理->文字检测->文本识别->输出。

 

本文主要是介绍一个博主使用的比较好的OCR开源项目,在这里分享给大家——PaddleOCR。

项目Github地址: PaddleOCR地址

我会按照刚接触的状态,梳理一下验证使用该项目的过程。

项目使用

先把项目从github上clone下来,慢慢分析。

项目结构

首先我们看一下项目的构造。

发现项目有中文的介绍说明,这就很方便了,点开按照官方的说明开始操作。

环境部署

点开README.md,,可以从文档教程中看到第一步就是教你如何安装环境。

 

由于内容过多,我就做个概括,方便大家直接上手。

1、安装Anaconda,构造虚拟环境

这里可以参考我的另一篇文章,里面很详细:机器学习基础环境部署 | 机器学习系列_阿良的博客-CSDN博客_机器学习 环境搭建

官方给的是python3.8的虚拟环境,我们也构造一个,打开Anaconda Prompt。

 

输入命令:

conda create -n paddle_env python=3.8

激活环境:

conda activate paddle_env

2、依赖包下载

paddlepaddle安装

pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

layoutparser安装

pip3 install -U https://paddleocr.bj.bcebos.com/whl/layoutparser-0.0.0-py3-none-any.whl

Shapely安装,这个需要下载,下载地址:Shapely下载地址

我选的是这个

安装命令:

pip install Shapely-1.8.0-cp38-cp38-win_amd64.whl

 

paddleocr安装

pip install paddleocr -i https://mirror.baidu.com/pypi/simple

好的,环境有点多,都安装好了就开始上手使用吧。

测试代码

官方给出了两种模式,一是命令行执行,一是代码执行。为了直观的看到配置,我这里使用的是代码模式。

准备一张带文字的图片

测试代码如下

#!/user/bin/env python# coding=utf-8"""@project : ocr_paddle@author  : huyi@file   : test.py@ide    : PyCharm@time   : 2021-11-15 14:56:20"""from paddleocr import PaddleOCR, draw_ocr# Paddleocr目前支持的多语言语种可以通过修改lang参数进行切换# 例如`ch`, `en`, `fr`, `german`, `korean`, `japan`ocr = PaddleOCR(use_angle_cls=True, use_gpu=False,                lang="ch")  # need to run only once to download and load model into memoryimg_path = "./data/2.jpg"result = ocr.ocr(img_path, cls=True)for line in result:    # print(line[-1][0], line[-1][1])    print(line)# 显示结果from PIL import Imageimage = 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="./fonts/simfang.ttf")im_show = Image.fromarray(im_show)im_show.save("result.jpg")

 

代码说明

1、因为我的电脑没有显卡,所以设置了use_gpu=False。

2、显示结果部分会将识别的文字用框标出来,并且展示识别的结果。

验证一下

 

我们看到,打印的内容有识别出来的每句话所在的图片位置,以及识别结果和可信度。而上面的结果图中,将每句话对应的文字都框了出来。效果很不错!

参数补充

官方还给出了一些参数,可以调整输出的内容。可以参看quickstart.md文件。参数补充:

- 多带带使用检测:设置`--rec`为`false`- 多带带使用识别:设置`--det`为`false`

官方还提供一个标准的json结构输出数据

  PP-Structure的返回结果为一个dict组成的list,示例如下  ```shell  [{   "type": "Text",        "bbox": [34, 432, 345, 462],        "res": ([[36.0, 437.0, 341.0, 437.0, 341.0, 446.0, 36.0, 447.0], [41.0, 454.0, 125.0, 453.0, 125.0, 459.0, 41.0, 460.0]],                  [("Tigure-6. The performance of CNN and IPT models using difforen", 0.90060663), ("Tent  ", 0.465441)])    }  ]  ```

总结

总的来说,这个项目还是很有意思的,训练的部分我就不多赘述了,毕竟准备数据挺麻烦的。回头我再想想这个项目可不可以魔改成好用的工具。

分享:

        我们根本不需要最后的落脚点,只要不断前进就好了,只要不停下,道路就会不断延伸。——《进击的巨人》

如果本文对你有帮助的话,请不要吝啬你的赞,谢谢!

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/123511.html

相关文章

  • 深度学习将走向更加开放的未来

    摘要:国内互联网巨头百度也在近期表明,将发起建立一个名为深盟的分布式机器学习开源平台,由旗下深度学习研究院牵头,联合来自卡耐基梅陇大学华盛顿大学纽约大学香港科技大学的多位系统开发者,共同推出旨在大幅降低机器深度学习门槛的虫洞项目。 当前人工智能之所以能够引起大家的兴奋和广泛关注,在很大程度上是源于深度学习的研究进展。这项机器学习技术为计算机视觉、语音识别和自然语言处理带来了巨大的、激动人心的进步,...

    Render 评论0 收藏0
  • 我不是机器人:谷歌最新版验证码系统ReCaptcha破解已开源

    摘要:验证码旨在确认访问者是人还是程序,并防止恶意程序的入侵。自年以来,改为在我不是机器人的方框中打勾,进而完成判别。 选自 Github 作者:George Hughey 机器之心编译 每个人都讨厌验证码,这些恼人的图片中包含你必须输入的字符,我们只有正确地填写才能继续访问网站。验证码旨在确认访问者是人还是程序,并防止恶意程序的入侵。然而,随着深度学习和计算机视觉技术的发展,现在这些认证方...

    jackzou 评论0 收藏0
  • 我不是机器人:谷歌最新版验证码系统ReCaptcha破解已开源

    摘要:验证码旨在确认访问者是人还是程序,并防止恶意程序的入侵。自年以来,改为在我不是机器人的方框中打勾,进而完成判别。 选自 Github 作者:George Hughey 机器之心编译 每个人都讨厌验证码,这些恼人的图片中包含你必须输入的字符,我们只有正确地填写才能继续访问网站。验证码旨在确认访问者是人还是程序,并防止恶意程序的入侵。然而,随着深度学习和计算机视觉技术的发展,现在这些认证方...

    ghnor 评论0 收藏0

发表评论

0条评论

WelliJhon

|高级讲师

TA的文章

阅读更多
最新活动
阅读需要支付1元查看
<