PaddleOCR配置使用笔记

安装PaddlePaddle

GPU版本需要参考官网提供的方法安装，CPU版本可以直接pip安装：

pip install paddlepaddle

验证是否安装成功：

import paddle
paddle.utils.run_check()

克隆PaddleOCR repo

git clone https://github.com/PaddlePaddle/PaddleOCR

安装依赖：

pip install -r requirements.txt

验证是否安装成功：

from paddleocr import PaddleOCR

此时若出现No module named paddle说明paddlepaddle没有装上，参考如下命令安装即可：

python3 -m pip install paddlepaddle-gpu==2.0.0 -i https://mirror.baidu.com/pypi/simple # gpu机器
python3 -m pip install paddlepaddle==2.0.0 -i https://mirror.baidu.com/pypi/simple # cpu机器
pip install "paddleocr>=2.0.1"

完成后再次验证即可。

使用预训练模型

在Github下载轻量OCR模型中的检测模型、方向分类器、识别模型的推理模型下载下来，并解压至项目文件中的inference文件夹下。

值得注意的是，这三个文件解压完毕后应有如下文件结构：

├── ch_ppocr_mobile_v2.0_cls_infer
│ ├── inference.pdiparams
│ ├── inference.pdiparams.info
│ └── inference.pdmodel
├── ch_ppocr_mobile_v2.0_det_infer
│ ├── inference.pdiparams
│ ├── inference.pdiparams.info
│ └── inference.pdmodel
├── ch_ppocr_mobile_v2.0_rec_infer
├── inference.pdiparams
├── inference.pdiparams.info
└── inference.pdmodel

只要按照上述要求做了，如果模型路径下没有找到模型文件，后续会自动下载。

安装paddleocr

pip install "paddleocr>=2.0.1"

运行程序

创建文件ocr.py并运行：

from paddleocr import PaddleOCR, draw_ocr
import cv2
# 模型路径下必须含有model和params文件，如果没有，现在可以自动下载了，不过是最简单的模型
# use_gpu 如果paddle是GPU版本请设置为 True
ocr = PaddleOCR(use_angle_cls=True, use_gpu=False)

# 这个是自己的图片，可以根据情况自行修改
img_path = 'C:/Users/Administrator/Desktop/PaddleOCR/PaddleOCR-release-2.4/doc/imgs/11.jpg'

result = ocr.ocr(img_path, cls=True)
# print结果
for line in result:
    print(line)
img = cv2.imread(img_path)
boxes = [line[0] for line in result]
txts = [line[1][0] for line in result]
scores = [line[1][1] for line in result]
# 显示图片结果
img = draw_ocr(img, boxes, txts, scores)
cv2.imshow("result", img)
cv2.waitKey(0)

通过命令直接调用的方式如下：

python tools/infer/predict_system.py --image_dir="./doc/imgs/11.jpg" --det_model_dir="./inference/ch_PP-OCRv2_det_infer/ch_PP-OCRv2_det_infer/"  --rec_model_dir="./inference/ch_PP-OCRv2_rec_infer/ch_PP-OCRv2_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v2.0_cls_infer/" --use_angle_cls=True --use_space_char=True --use_gpu=False

服务端安装

安装`paddlehub`：

pip install paddlehub --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple

安装服务模块：

# 安装检测服务模块：
hub install deploy/hubserving/ocr_det/
# 或，安装分类服务模块：
hub install deploy/hubserving/ocr_cls/
# 或，安装识别服务模块：
hub install deploy/hubserving/ocr_rec/
# 或，安装检测+识别串联服务模块：只安装了这个
hub install deploy/hubserving/ocr_system/

启动(配置文件方式)

方法一（仅支持CPU）：

启动命令：

$ hub serving start --modules [Module1==Version1, Module2==Version2, ...] \
                    --port XXXX \
                    --use_multiprocess \
                    --workers \

参数：

参数	用途
--modules/-m	PaddleHub Serving预安装模型，以多个Module==Version键值对的形式列出 `当不指定Version时，默认选择最新版本`
--port/-p	服务端口，默认为8866
--use_multiprocess	是否启用并发方式，默认为单进程方式，推荐多核CPU机器使用此方式 `Windows操作系统只支持单进程方式`
--workers	在并发方式下指定的并发任务数，默认为`2*cpu_count-1`，其中`cpu_count`为CPU核数

如启动串联服务： hub serving start -m ocr_system

这样就完成了一个服务化API的部署，使用默认端口号8866。

方法二（支持CPU、GPU）：

在项目根目录,会监听端口8868,自定义可配置config.json

hub serving start -c config.json

启动命令：
hub serving start -c config.json

其中，config.json格式如下：

{
    "modules_info": {
        "ocr_system": {
            "init_args": {
                "version": "1.0.0",
                "use_gpu": false
            },
            "predict_args": {
            }
        }
    },
    "port": 8868,
    "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。

如，使用GPU 3号卡启动串联服务：

export CUDA_VISIBLE_DEVICES=3
hub serving start -c deploy/hubserving/ocr_system/config.json

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检测、识别、检测+识别2阶段服务，那么发送请求的url将分别是：
http://127.0.0.1:8866/predict/ocr_det
http://127.0.0.1:8867/predict/ocr_rec
http://127.0.0.1:8868/predict/ocr_system

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://127.0.0.1:8868/predict/ocr_system ./doc/imgs/

返回结果格式说明

返回结果为列表（list），列表中的每一项为词典（dict），词典一共可能包含3种字段，信息如下：

字段名称	数据类型	意义
text	str	文本内容
confidence	float	文本识别置信度
text_region	list	文本位置坐标

不同模块返回的字段不同，如，文本识别服务模块返回结果不含text_region字段，具体信息如下：

字段名/模块名	ocr_det	ocr_rec	ocr_system
text		✔	✔
confidence		✔	✔
text_region	✔		✔

说明： 如果需要增加、删除、修改返回字段，可在相应模块的module.py文件中进行修改，完整流程参考下一节自定义修改服务模块。

自定义修改服务模块

如果需要修改服务逻辑，你一般需要操作以下步骤（以修改ocr_system为例）：

1、停止服务
hub serving stop --port/-p XXXX
2、到相应的module.py和params.py等文件中根据实际需求修改代码。
例如，如果需要替换部署服务所用模型，则需要到params.py中修改模型路径参数det_model_dir和rec_model_dir，如果需要关闭文本方向分类器，则将参数use_angle_cls置为False，当然，同时可能还需要修改其他相关参数，请根据实际情况修改调试。 强烈建议修改后先直接运行module.py调试，能正确运行预测后再启动服务测试。
3、卸载旧服务包
hub uninstall ocr_system
4、安装修改后的新服务包
hub install deploy/hubserving/ocr_system/
5、重新启动服务
hub serving start -m ocr_system

参考资料：

https://zhuanlan.zhihu.com/p/368627628

https://jieli-matrix.github.io/OCR/

https://blog.csdn.net/Zhangrx_/article/details/118018978

https://www.bookstack.cn/read/PaddleOCR/inference.md

https://www.cxymm.net/article/kyc592/112890488

https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.0/doc/doc_ch/installation.md

https://www.xiangxingyu.com/post/install-paddleocr-and-deploy/

https://github.com/PaddlePaddle/PaddleOCR/tree/develop/deploy/hubserving

版权属于：soarli
本文链接：https://blog.soarli.top/archives/612.html
转载时须注明出处及本声明。

PaddleOCR配置使用笔记

安装PaddlePaddle

克隆PaddleOCR repo

使用预训练模型

安装paddleocr

运行程序

服务端安装

安装`paddlehub`：

安装服务模块：

启动(配置文件方式)

方法一（仅支持CPU）：

方法二（支持CPU、GPU）：

发送预测请求

返回结果格式说明

自定义修改服务模块

发表评论取消回复

今天，Pandownload程序作者被抓

第二届大学生网络安全精英赛视频学习

通过JS向剪切板写入数据

在PHP中调用Python并获取运行结果

DroidCam Wireless Webcam记录

经济法学课堂笔记

解决Ubuntu下因依赖包而无法安装问题

在iOS设备上安装kodi的方法

“引用账户当前已锁定，可能无法登陆”解决方案

Nextcloud Talk配置使用笔记

安装PaddlePaddle

克隆PaddleOCR repo

使用预训练模型

安装paddleocr

运行程序

服务端安装

安装paddlehub：

安装服务模块：

启动(配置文件方式)

方法一（仅支持CPU）：

方法二（支持CPU、GPU）：

发送预测请求

返回结果格式说明

自定义修改服务模块

发表评论 取消回复

安装`paddlehub`：

发表评论取消回复