PaddleOCR文字识别API搭建

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

最近有个需求是进行验证码识别，之前一直用百度的开放OCR API。突然有一天应用报错，一看原来是免费API调用额度用光了。花钱是不可能花钱的，正好之前有用过PaddlePaddle飞桨这个深度学习框架

还是百度的，逮着薅羊毛呢
，里面有个开源的
PaddleOCR

，测试下来文本识别效果不输于商用的开放API，那还不整一个?

运行环境准备

Windows和Mac用户推荐使用Anaconda搭建Python环境，Linux用户建议使用docker搭建Python环境。

推荐环境：

PaddlePaddle >= 2.1.2
Python 3.7
CUDA10.1 / CUDA10.2
CUDNN 7.6

我用Windows没搭起来，始终报cv2的DLL动态链接库错误，最后还是采用docker方案。

Docker环境配置

注意：第一次使用这个镜像，会自动下载该镜像，请耐心等待。您也可以访问 DockerHub 获取与您机器适配的镜像。

# 切换到工作目录下
cd /home/Projects
# 首次运行需创建一个docker容器，再次运行时不需要运行当前命令
# 创建一个名字为ppocr的docker容器，并将当前目录映射到容器的/paddle目录下
#如果您希望在CPU环境下使用docker，使用docker而不是nvidia-docker创建docker
sudo docker run --name ppocr -v $PWD:/paddle --network=host -it registry.baidubce.com/paddlepaddle/paddle:2.1.3-gpu-cuda10.2-cudnn7 /bin/bash
#如果使用CUDA10，请运行以下命令创建容器，设置docker容器共享内存shm-size为64G，建议设置32G以上
# 如果是CUDA11+CUDNN8，推荐使用镜像registry.baidubce.com/paddlepaddle/paddle:2.1.3-gpu-cuda11.2-cudnn8
sudo nvidia-docker run --name ppocr -v $PWD:/paddle --shm-size=64G --network=host -it registry.baidubce.com/paddlepaddle/paddle:2.1.3-gpu-cuda10.2-cudnn7 /bin/bash
# ctrl+P+Q可退出docker 容器，重新进入docker 容器使用如下命令
sudo docker container exec -it ppocr /bin/bash

安装PaddlePaddle

PaddleOCR是基于PaddlePaddle框架的，首先需要安装PaddlePaddle

您的机器安装的是CUDA9或CUDA10，请运行以下命令安装

python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple

您的机器是CPU，请运行以下命令安装

python3 -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

更多的版本需求，请参照 飞桨官网安装文档 中的说明进行操作。

安装PaddleOCR whl包

pip install "paddleocr>=2.0.1" # 推荐使用2.0.1+版本

项目克隆

【推荐】git clone https://github.com/PaddlePaddle/PaddleOCR

如果因为网络问题无法pull成功，也可选择使用码云上的托管：

git clone https://gitee.com/paddlepaddle/PaddleOCR

注：码云托管代码可能无法实时同步本github项目更新，存在3~5天延时，请优先使用推荐方式。

安装第三方库

cd PaddleOCR
pip3 install -r requirements.txt

服务部署

基于PaddleHub Serving的服务部署

hubserving服务部署目录下包括检测、识别、2阶段串联三种服务包，请根据需求选择相应的服务包进行安装和启动。目录结构如下：

deploy/hubserving/
  └─  ocr_cls     分类模块服务包
  └─  ocr_det     检测模块服务包
  └─  ocr_rec     识别模块服务包
  └─  ocr_system  检测+识别串联服务包

我这里只是用识别模块，目录如下：

deploy/hubserving/ocr_rec/
  └─  __init__.py    空文件，必选
  └─  config.json    配置文件，可选，使用配置启动服务时作为参数传入
  └─  module.py      主模块，必选，包含服务的完整逻辑
  └─  params.py      参数文件，必选，包含模型路径、前后处理参数等参数

快速启动服务

1. 准备环境

# 安装paddlehub  
# paddlehub 需要 python>3.6.2
pip3 install paddlehub==2.1.0 --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 下载推理模型

安装服务模块前，需要准备推理模型并放到正确路径。默认使用的是PP-OCRv2模型，默认模型路径为：

检测模型：./inference/ch_PP-OCRv2_det_infer/
识别模型：./inference/ch_PP-OCRv2_rec_infer/
方向分类器：./inference/ch_ppocr_mobile_v2.0_cls_infer/

模型路径可在 params.py 中查看和修改。 更多模型可以从PaddleOCR提供的模型库下载，也可以替换成自己训练转换好的模型。

3. 安装服务模块

在Linux环境下，安装示例如下：

# 安装识别服务模块：  
hub install deploy/hubserving/ocr_rec/

4. 启动服务

配置文件启动（支持CPU、GPU）

启动命令：

hub serving start -c config.json

其中， config.json 格式如下：

{
    "modules_info": {
        "ocr_rec": {
            "init_args": {
                "version": "1.0.0",
                "use_gpu": false
            },
            "predict_args": {
            }
        }
    },
    "port": 8867,
    "use_multiprocess": false,
    "workers": 2
}

init_args 中的可配参数与 module.py 中的 _initialize 函数接口一致。其中， 当 use_gpu 为 true 时，表示使用GPU启动服务 。
predict_args 中的可配参数与 module.py 中的 predict 函数接口一致。

注意:

使用配置文件启动服务时，其他参数会被忽略。
如果使用GPU预测(即， use_gpu 置为 true )，则需要在启动服务之前，设置CUDA_VISIBLE_DEVICES环境变量，如： export CUDA_VISIBLE_DEVICES=0 ，否则不用设置。
use_gpu 不可与 use_multiprocess 同时为 true 。

5. 发送预测请求

配置好服务端，可使用以下命令发送预测请求，获取预测结果:

python tools/test_hubserving.py server_url image_path

需要给脚本传递2个参数：

server_url：服务地址，格式为

http://[ip_address]:[port]/predict/[module_name]

例如，如果使用配置文件启动识别服务，那幺发送请求的url将分别是： http://127.0.0.1:8867/predict/ocr_rec

image_path：测试图像路径，可以是单张图片路径，也可以是图像集合目录路径

访问示例：

python tools/test_hubserving.py http://127.0.0.1:8867/predict/ocr_rec ./doc/imgs/

返回结果格式说明

返回结果为列表（list），列表中的每一项为字典（dict），信息如下：

效果

可以看到置信度还不错99%，并且能分清字母o和数字0。

后期还可以自己训练模型，以达到更好的识别效果。