网站开发平台是什么,上海网页设计制作培训,临沧建设局网站,东莞网站建设方案外包前言
因项目需要#xff0c;调研了一下目前市面上一些开源的OCR工具#xff0c;支持本地部署#xff0c;非调用API#xff0c;主要有PaddleOCR/CnOCR/chinese_lite OCR/EasyOCR/Tesseract/chineseocr/mmocr这几款产品。 本文主要尝试了EasyOCR/CnOCR/Tesseract/PaddleOCR这…前言
因项目需要调研了一下目前市面上一些开源的OCR工具支持本地部署非调用API主要有PaddleOCR/CnOCR/chinese_lite OCR/EasyOCR/Tesseract/chineseocr/mmocr这几款产品。 本文主要尝试了EasyOCR/CnOCR/Tesseract/PaddleOCR这四款产品。
EasyOCR
EasyOCR官方仓库https://github.com/JaidedAI/EasyOCR 安装EasyOCR
pip install easyocr测试例程
import easyocr
reader easyocr.Reader([ch_sim,en]) # this needs to run only once to load the model into memory
result reader.readtext(chinese.jpg)实测EasyOCR对cuda的要求比较严格在一个pytorch正常的环境中运行之后会报错
Could not load symbol cublasGetSmCountTarget from cublas64_11.dll. Error code 127#833提到了该问题谈及原因可能是cuda和cudnn不匹配更换cudnn之后报错仍未消失遂暂置不提。
CnOCR
CnOCR官方仓库https://github.com/breezedeus/CnOCR CnOCR安装
pip install cnocrCnOCR的环境要求比较严格其在requirements.txt写了非常多的依赖版本号因此如果在现有环境中直接安装它会将Pytorch等依赖卸载重装比较坑使用最好先单开新环境。
测试例程
from cnocr import CnOcrimg_fp img/output_2.png
ocr CnOcr() # 所有参数都使用默认值
out ocr.ocr(img_fp)
print(out)实测在我的业务场景下使用默认模型效果不太行。
Tesseract
Tesseract官方仓库https://github.com/tesseract-ocr/tesseract Tesseract是用C进行开发的因此如果要在python中进行使用需要借助第三方依赖pytesseract
首先需要在本机上安装Tesseract 安装包下载地址https://digi.bib.uni-mannheim.de/tesseract/ 安装过程可参考https://blog.csdn.net/weixin_51571728/article/details/120384909 配置完成后在命令行输入tesseract -v打印出版本信息则表示安装成功。 之后安装pytesseract
pip install pytesseract测试例程
img_path img/img_1.png
# 添加tesseract的路径
pytesseract.pytesseract.tesseract_cmd rC:\Users\zxy\AppData\Local\Programs\Tesseract-OCR\tesseract.exeimage_to_string()如果识别英文或数字可以不必额外参数如果识别其他语言则需要加上lang参数
langchi_sim表示要识别的是中文简体
没有识别出来时返回空白text pytesseract.image_to_string(Image.open(img_path), langchi_sim)
print(text)实测这个效果在我的场景也表现一般并且tesseract对于中英文有不同的模型泛用性不是很好。
PaddleOCR
PaddleOCR是百度旗下的产品目前已经迭代到第四版。 PaddleOCR官方仓库https://github.com/PaddlePaddle/PaddleOCR PaddleOCR安装
pip install paddleocr测试例程
import cv2
from paddleocr import PaddleOCRif __name__ __main__:ocr PaddleOCR(use_angle_clsTrue, langch, ocr_versionPP-OCRv4)image_input_fullname img/output_5.pngimg cv2.imread(image_input_fullname)result ocr.ocr(img, clsTrue)print(result)根据PP-OCRv4的介绍文档PP-OCRv4在训练时以(32,320), (48,320), (64,320)三个不同尺度上进行训练。 实测发现当文字区域小于这个范围时效果会受到影响因此可以引入padding策略即在文字区域范围周边加一圈白边使输入模型的图片分辨率提升。
import cv2
from paddleocr import PaddleOCRdef add_padding_to_image(image, output_size(640, 640), color(255, 255, 255)):h, w image.shape[:2]# 计算需要添加的padding大小delta_w max(output_size[0] - w, 0)delta_h max(output_size[1] - h, 0)top, bottom delta_h // 2, delta_h - (delta_h // 2)left, right delta_w // 2, delta_w - (delta_w // 2)# 添加paddingpadded_image cv2.copyMakeBorder(image, top, bottom, left, right, cv2.BORDER_CONSTANT, valuecolor)return padded_imageif __name__ __main__:ocr PaddleOCR(use_angle_clsTrue, langch, ocr_versionPP-OCRv4)image_input_fullname img/output_5.pngimg cv2.imread(image_input_fullname)padded_img add_padding_to_image(img)result ocr.ocr(img, clsTrue)print(result)在我的业务场景中PaddleOCR的表现最好基本能达到80%以上的识别准确率如果还需要提升还可以根据自己的数据再训练。
标注工具PPOCRLabelv2 使用文档https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.5/PPOCRLabel/README_ch.md 训练文档https://aistudio.baidu.com/modelsdetail/270?modelId270
