门户网站系统开发,wordpress营业按钮,本地网站建设的步骤过程,建设一个招聘网站的策划PaddleHub
便捷地获取PaddlePaddle生态下的预训练模型#xff0c;完成模型的管理和一键预测。配合使用Fine-tune API#xff0c;可以基于大规模预训练模型快速完成迁移学习#xff0c;让预训练模型能更好地服务于用户特定场景的应用
零基础快速开始WindowsLinuxMac Paddle…PaddleHub
便捷地获取PaddlePaddle生态下的预训练模型完成模型的管理和一键预测。配合使用Fine-tune API可以基于大规模预训练模型快速完成迁移学习让预训练模型能更好地服务于用户特定场景的应用
零基础快速开始WindowsLinuxMac PaddleHub 首页图像 - 文字识别chinese_ocr_db_crnn_server
chinese_ocr_db_crnn_server
类别图像 - 文字识别
网络Differentiable BinarizationCRNN
数据集icdar2015数据集
模型概述
chinese_ocr_db_crnn_server Module用于识别图片当中的汉字。其基于chinese_text_detection_db_server检测得到的文本框继续识别文本框中的中文文字。之后对检测文本框进行角度分类。最终识别文字算法采用CRNNConvolutional Recurrent Neural Network即卷积递归神经网络。其是DCNN和RNN的组合专门用于识别图像中的序列式对象。与CTC loss配合使用进行文字识别可以直接从文本词级或行级的标注中学习不需要详细的字符级的标注。该Module是一个通用的OCR模型支持直接预测。
选择模型版本进行安装
1.2.0 (最新版)
$ hub install chinese_ocr_db_crnn_server1.2.0
chinese_ocr_db_crnn_server
模型名称chinese_ocr_db_crnn_server类别图像-文字识别网络Differentiable BinarizationRCNN数据集icdar2015数据集是否支持Fine-tuning否模型大小116MB最新更新日期2021-05-31数据指标mAP0.98
一、模型基本信息 应用效果展示 OCR文字识别场景在线体验样例结果示例 模型介绍 chinese_ocr_db_crnn_server Module用于识别图片当中的汉字。其基于chinese_text_detection_db_server Module 检测得到的文本框识别文本框中的中文文字。识别文字算法采用CRNNConvolutional Recurrent Neural Network即卷积循环神经网络。该Module是一个通用的OCR模型支持直接预测。 更多详情参考An end-to-end trainable neural network for image-based sequence recognition and its application to scene text recognition
二、安装 1、环境依赖 paddlepaddle 2.2.0 paddlehub 2.2.0 shapely pyclipper $ pip install shapely pyclipper 该Module依赖于第三方库shapely和pyclipper使用该Module之前请先安装shapely和pyclipper。 2、安装 $ hub install chinese_ocr_db_crnn_server
三、模型API预测 1、命令行预测 $ hub run chinese_ocr_db_crnn_server --input_path /PATH/TO/IMAGE 2、预测代码示例 import paddlehub as hub
import cv2ocr hub.Module(namechinese_ocr_db_crnn_server, enable_mkldnnTrue) # mkldnn加速仅在CPU下有效
result ocr.recognize_text(images[cv2.imread(/PATH/TO/IMAGE)])# or
# result ocr.recognize_text(paths[/PATH/TO/IMAGE]) 3、API def __init__(text_detector_moduleNone, enable_mkldnnFalse) 构造ChineseOCRDBCRNNServer对象 参数 text_detector_module(str): 文字检测PaddleHub Module名字如设置为None则默认使用 chinese_text_detection_db_server Module。其作用为检测图片当中的文本。enable_mkldnn(bool): 是否开启mkldnn加速CPU计算。该参数仅在CPU运行下设置有效。默认为False。 def recognize_text(images[],paths[],use_gpuFalse,output_dirocr_result,visualizationFalse,box_thresh0.5,text_thresh0.5,angle_classification_thresh0.9) 预测API检测输入图片中的所有中文文本的位置。 参数 paths (list[str]): 图片的路径images (list[numpy.ndarray]): 图片数据ndarray.shape 为 [H, W, C]BGR格式use_gpu (bool): 是否使用 GPU若使用GPU请先设置CUDA_VISIBLE_DEVICES环境变量box_thresh (float): 检测文本框置信度的阈值text_thresh (float): 识别中文文本置信度的阈值angle_classification_thresh(float): 文本角度分类置信度的阈值visualization (bool): 是否将识别结果保存为图片文件output_dir (str): 图片的保存路径默认设为 ocr_result 返回 res (list[dict]): 识别结果的列表列表中每一个元素为 dict各字段为 data (list[dict]): 识别文本结果列表中每一个元素为 dict各字段为 - text(str): 识别得到的文本 - confidence(float): 识别文本结果置信度 - text_box_position(list): 文本框在原图中的像素坐标4*2的矩阵依次表示文本框左下、右下、右上、左上顶点的坐标 如果无识别结果则data为[]save_path (str, optional): 识别结果的保存路径如不保存图片则save_path为
四、服务部署 PaddleHub Serving 可以部署一个目标检测的在线服务。 第一步启动PaddleHub Serving 运行启动命令 $ hub serving start -m chinese_ocr_db_crnn_server 这样就完成了一个目标检测的服务化API的部署默认端口号为8866。 NOTE: 如使用GPU预测则需要在启动服务之前请设置CUDA_VISIBLE_DEVICES环境变量否则不用设置。 第二步发送预测请求 配置好服务端以下数行代码即可实现发送预测请求获取预测结果 import requests
import json
import cv2
import base64def cv2_to_base64(image):data cv2.imencode(.jpg, image)[1]return base64.b64encode(data.tostring()).decode(utf8)# 发送HTTP请求
data {images:[cv2_to_base64(cv2.imread(/PATH/TO/IMAGE))]}
headers {Content-type: application/json}
url http://127.0.0.1:8866/predict/chinese_ocr_db_crnn_server
r requests.post(urlurl, headersheaders, datajson.dumps(data))# 打印预测结果
print(r.json()[results]) Gradio App 支持 从 PaddleHub 2.3.1 开始支持使用链接 http://127.0.0.1:8866/gradio/chinese_ocr_db_crnn_server 在浏览器中访问 chinese_ocr_db_crnn_server 的 Gradio App。
五、更新历史 1.0.0 初始发布 1.0.1 支持mkldnn加速CPU计算 1.1.0 使用三阶段模型文本框检测-角度分类-文字识别识别图片文字。 1.1.1 支持文本中空格识别。 1.1.2 修复检出字段无法超过30个问题。 1.1.3 移除 fluid api 1.2.0 添加 Gradio APP
