深度学习（9）之 easyOCR使用详解-程序员宅基地

技术标签： python  计算机视觉  深度学习  人工智能  # 深度学习  OCR  

easyOCR使用详解

  • 本文在 OCR-easyocr初识 基础上进行修改
  • EasyOCR 是一个python版的文字识别工具。目前支持80中语言的识别。其对应的 github 地址：EasyOCR
  • 可以在网站版测试 demo 测试效果：https://www.jaided.ai/easyocr/
  • 其在字符识别上的效果如下：
    在这里插入图片描述

一、介绍

批量文字识别（OCR）是Python办公自动化的基本操作，应用在我们工作生活中的方方面面，比如车牌识别、证件识别、银行卡识别、票据识别等等。
Python中OCR第三方库非常多，比如 easyocr、PaddleOCR、cnocr等等。
EasyOCR 是一个用 Python 编写的 OCR 库，用于识别图像中的文字并输出为文本，支持 80 多种语言。
检测部分使用CRAFT算法，识别模型为CRNN，由3个组件组成：特征提取 Resnet 、序列标记LSTM、解码CTC。整个深度学习过程基于pytorch实现。
图片--预处理（去噪、色彩饱和度、尖锐处理等）--文字检测（CRAFT）--中间处理（倾斜处理等）---文字识别---后续处理---输出结果

二、安装

  • Install using pip

For the latest stable release:

pip install easyocr

For the latest development release:

pip install git+https://github.com/JaidedAI/EasyOCR.git
  • 模型储存路径：
windows： C:\Users\username\.EasyOCR\
linux：/root/.EasyOCR/
easyocr 的深度学习算法依赖于另一个著名的第三方模块 pytorch，图形处理部分则会用到 opencv、Pillow 等，所以还需要确保自己电脑上已经安装这些基础模块。
首次使用easyocr识别图片，会自动从网络中下载预训练模型。下载耗时较长，而且大概率遇到URLError错误，
推荐下载模型文件(下载链接： Jaided AI: EasyOCR model hub），不用解压直接复制粘贴于 ~/.EasyOCR/model/目录下。

在这里插入图片描述

三、API文档

3.1、easyocr.Reader class：

参数：
  • lang_list (list) - 识别的语言代码列表，例如 ['ch_sim','en']
  • gpu (bool, string, default = True) - 启用 GPU
  • model_storage_directory (string, default = None) - 模型数据目录的路径。如果未指定，将从环境变量 EASYOCR_MODULE_PATH（首选）、MODULE_PATH（如果已定义）或 ~/.EasyOCR/ 定义的目录中读取模型。
  • download_enabled (bool, default = True) - 如果 EasyOCR 无法找到模型文件，则启用下载；
  • user_network_directory (bool, default = None) - 用户模型存储的路径。如果未指定，将从 MODULE_PATH + '/user_network' (~/.EasyOCR/user_network) 读取模型;
  • recog_network (string, default = 'standard') - 用户模型、模块和配置文件的名称;
  • detector (bool, default = True) - 将检测模型加载到内存中 
  • recognizer (bool, default = True) - 将识别模型加载到内存中
属性：
  • lang_char - 显示当前模型中的所有可用字符

3.2、reader.readtext(）

Reader对象的主要方法。有 4 组参数：General、Contrast、Text Detection 和 Bounding Box Merging。
参数1：General
  • image (string, numpy array, byte) - 输入图像；
  • decoder (string, default = 'greedy')- 选项有 'greedy'、'beamsearch' 和 'wordbeamsearch'；
  • beamWidth (int, default = 5) - 当解码器 = 'beamsearch' 或 'wordbeamsearch' 时要保留多少光束；
  • batch_size (int, default = 1) - batch_size>1 将使 EasyOCR 更快但使用更多内存；
  • worker (int, default = 0) - 数据加载器中使用的编号线程；
  • allowlist (string) - 强制 EasyOCR 只识别字符的子集。对特定问题有用（例如车牌等）；
  • blocklist (string) - 字符的块子集。如果给定了允许列表，则此参数将被忽略。
  • detail (int, default = 1) - 将此设置为 0 以进行简单输出；
  • paragraph (bool, default = False) - 将结果合并到段落中；
  • min_size (int, default = 10) - 过滤文本框小于最小值（以像素为单位）；
  • rotation_info (list, default = None) - 允许 EasyOCR 旋转每个文本框并返回具有最佳置信度分数的文本框。符合条件的值为 90、180 和 270。例如，对所有可能的文本方向尝试 [90, 180 ,270]。
参数2：Contrast 对比度
  • contrast_ths (float, default = 0.1) - 对比度低于此值的文本框将被传入模型 2 次。首先是原始图像，其次是对比度调整为“adjust_contrast”值。结果将返回具有更高置信度的那个；
  • adjust_contrast (float, default = 0.5) - 低对比度文本框的目标对比度级别。
参数3：Text Detection 文本检测（来自CRAFT）
  • text_threshold (float, default = 0.7) - 文本置信度阈值
  • low_text (float, default = 0.4) - 文本下限分数
  • link_threshold (float, default = 0.4) - 链接置信度阈值
  • canvas_size (int, default = 2560) - 最大图像尺寸。大于此值的图像将被缩小。
  • mag_ratio (float, default = 1) - 图像放大率
参数4：Bounding Box Merging 边界框合并
    这组参数控制相邻边界框何时相互合并。除了 'slope_ths' 之外的所有参数都以盒子高度为单位。
  • slope_ths (float, default = 0.1) - 考虑合并的最大斜率 (delta y/delta x)。低值意味着不会合并平铺框。
  • ycenter_ths (float, default = 0.5) - y 方向的最大偏移。不应该合并不同级别的框。
  • height_ths (float, default = 0.5) - 盒子高度的最大差异。不应合并文本大小非常不同的框。
  • width_ths (float, default = 0.5) - 合并框的最大水平距离。
  • add_margin (float, default = 0.1) - 将边界框向所有方向扩展某个值。这对于具有复杂脚本的语言（例如泰语）很重要。
  • x_ths (float, default = 1.0) - 当段落=True 时合并文本框的最大水平距离。
  • y_ths (float, default = 0.5) - 当段落 = True 时合并文本框的最大垂直距离。
返回：结果 列表

四、识别模型  

4.1、训练识别模型

可以使用自己的数据或生成自己的数据集。要生成您自己的数据建议使用  TextRecognitionDataGenerator（ GitHub - Belval/TextRecognitionDataGenerator: A synthetic data generator for text recognition）。 我们在此处提供了一个数据集示例。拥有数据集后，您可以按照此存储库  deep-text-recognition-benchmark（ https://github.com/clovaai/deep-text-recognition-benchmark）训练自己的模型。网络需要完全卷积才能预测灵活的文本长度。我们当前的网络是“None-VGG-BiLSTM-CTC”。一旦你有了训练好的模型（一个.pth文件），你需要两个额外的文件来描述识别网络架构和模型配置。 此处custom_example.zip的文件中提供了一个示例。
我们还在 此处 提供我们的训练脚本版本。它是 deep-text-recognition-benchmark的修改版本。

4.2、使用自定义的识别模型

需要三个文件，这三个文件必须共享相同的名称，即yourmodel.pth,  yourmodel.yaml，yourmodel.py，然后您将使用它们在 EasyOCR API 中调用您的模型。
请下载 custom_example.zip 作为示例，解压 并放置custom_example.py，custom_example.yaml在user_network_directory（默认= ~/.EasyOCR/user_network），放置custom_example.pth在模型目录（默认= ~/.EasyOCR/model ）。一旦你将所有3个文件放在各自的位置，你可以通过设置recog_network来使用custom_example： reader = easyocr.Reader(['en'], recog_network='custom_example' )

五、使用

5.1、基本使用1

$ easyocr -l ch_sim en -f chinese.jpg --detail=1 --gpu=True

5.2、基本使用2

代码实现如下：

import easyocr
 
reader = easyocr.Reader(
    lang_list=['ch_sim', 'en'], # 需要导入的语言识别模型，可以传入多个语言模型，其中英语模型en可以与其他语言共同使用
    gpu=False, # 默认为True
    download_enabled=True # 默认为True，如果 EasyOCR 无法找到模型文件，则启用下载
)
 
result = reader.readtext('id_card.jpg', detail=1 ) # 图片可以传入图片路径、也可以传入图片链接。但推荐传入图片路径，会提高识别速度。包含中文会出错。设置detail=0可以简化输出结果，默认为1
print(result)
 
readtext 返回的列表中，每个元素都是一个元组，内含三个信息：位置、文字、置信度:
[
    ([[27, 37], [341, 37], [341, 79], [27, 79]], '姓  名  爱新觉罗 。玄烨', 0.6958897643232619),
    ([[29, 99], [157, 99], [157, 135], [29, 135]], '性  别  男', 0.914532774041559),
    ([[180, 95], [284, 95], [284, 131], [180, 131]], '民蔟满', 0.4622474180193509),
    ([[30, 152], [94, 152], [94, 182], [30, 182]], '出  生', 0.6015505790710449),
    ([[110, 152], [344, 152], [344, 184], [110, 184]], '1654 年54日', 0.42167866223467815),
    ([[29, 205], [421, 205], [421, 243], [29, 243]], '住  址   北京市东城区景山前街4号', 0.6362530289101117),
    ([[105, 251], [267, 251], [267, 287], [105, 287]], '紫禁城乾清宫', 0.8425745057905053),
    ([[32, 346], [200, 346], [200, 378], [32, 378]], '公民身份证号码', 0.22538012770296922),
    ([[218, 348], [566, 348], [566, 376], [218, 376]], '000003165405049842', 0.902066405195785)
]
 
detail=0，从而只返回文字内容：
['姓  名  爱新觉罗 。玄烨', '性  别  男', '民蔟满', '出  生', '1654 年54日', '住  址  北京市东城区景山前街4号', '紫禁城 乾清宫', '公民身份证号码', '000003165405049842']

5.3、基本使用3
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yohnyang/article/details/130300923

智能推荐

没有U盘Win10电脑下如何使用本地硬盘安装Ubuntu20.04（单双硬盘都行）_没有u盘怎么装ubuntu-程序员宅基地

文章浏览阅读3.6k次，点赞2次，收藏2次。DELL7080台式机两块硬盘。_没有u盘怎么装ubuntu

【POJ 3401】Asteroids-程序员宅基地

文章浏览阅读32次。题面Bessie wants to navigate her spaceship through a dangerous asteroid field in the shape of an N x N grid (1 <= N <= 500). The grid contains K asteroids (1 <= K <= 10,000), which are conv...

工业机器视觉系统的构成与开发过程（理论篇—1）_工业机器视觉系统的构成与开发过程(理论篇—1-程序员宅基地

文章浏览阅读2.6w次，点赞21次，收藏112次。机器视觉则主要是指工业领域视觉的应用研究，例如自主机器人的视觉，用于检测和测量的视觉系统等。它通过在工业领域将图像感知、图像处理、控制理论与软件、硬件紧密结合，并研究解决图像处理和计算机视觉理论在实际应用过程中的问题，以实现高效的运动控制或各种实时操作。_工业机器视觉系统的构成与开发过程(理论篇—1

plt.legend的用法-程序员宅基地

文章浏览阅读5.9w次，点赞32次，收藏58次。legend 传奇、图例。plt.legend()的作用：在plt.plot() 定义后plt.legend() 会显示该 label 的内容，否则会报error: No handles with labels found to put in legend.plt.plot(result_price, color = 'red', label = 'Training Loss') legend作用位置：下图红圈处。..._plt.legend

深入理解 C# .NET Core 中 async await 异步编程思想_netcore async await-程序员宅基地

文章浏览阅读2.2k次，点赞3次，收藏11次。深入理解 C# .NET Core 中 async await 异步编程思想引言一、什么是异步？1.1 简单实例（WatchTV并行CookCoffee）二、深入理解（异步）2.1 当我需要异步返回值时，怎么处理？2.2 充分利用异步并行的高效性async await的秘密引言很久没来CSDN了，快小半年了一直在闲置，也写不出一些带有思想和深度的文章；之前就写过一篇关于async await 的异步理解 ，现在回顾，真的不要太浅和太陋，让人不忍直视！好了，废话不再啰嗦，直入主题：一、什么是异步？_netcore async await

IntelliJ IDEA设置类注释和方法注释带作者和日期_idea作者和日期等注释-程序员宅基地

文章浏览阅读6.5w次，点赞166次，收藏309次。当我看到别人的类上面的多行注释是是这样的：这样的：这样的：好装X啊！我也想要！怎么办呢？往下瞅：跟着我左手右手一个慢动作~~~File--->Settings---->Editor---->File and Code Templates --->Includes--->File Header:之后点applay--..._idea作者和日期等注释

随便推点

发行版Linux和麒麟操作系统下netperf 网络性能测试-程序员宅基地

文章浏览阅读175次。Netperf是一种网络性能的测量工具，主要针对基于TCP或UDP的传输。Netperf根据应用的不同，可以进行不同模式的网络性能测试，即批量数据传输（bulk data transfer）模式和请求/应答（request/reponse）模式。工作原理Netperf工具以client/server方式工作。server端是netserver,用来侦听来自client端的连接,c..._netperf 麒麟

万字长文详解 Go 程序是怎样跑起来的？| CSDN 博文精选-程序员宅基地

文章浏览阅读1.1k次，点赞2次，收藏3次。作者| qcrao责编 | 屠敏出品 | 程序员宅基地刚开始写这篇文章的时候，目标非常大，想要探索 Go 程序的一生：编码、编译、汇编、链接、运行、退出。它的每一步具体如何进行，力图弄清 Go 程序的这一生。在这个过程中，我又复习了一遍《程序员的自我修养》。这是一本讲编译、链接的书，非常详细，值得一看！数年前，我第一次看到这本书的书名，就非常喜欢。因为它模仿了周星驰喜剧..._go run 每次都要编译吗

C++之istringstream、ostringstream、stringstream 类详解_c++ istringstream a >> string-程序员宅基地

文章浏览阅读1.4k次，点赞4次，收藏2次。0、C++的输入输出分为三种：(1)基于控制台的I/O (2)基于文件的I/O (3)基于字符串的I/O 1、头文件[cpp] view plaincopyprint?#include 2、作用istringstream类用于执行C++风格的字符串流的输入操作。 ostringstream类用_c++ istringstream a >> string

MySQL 的 binglog、redolog、undolog-程序员宅基地

文章浏览阅读2k次，点赞3次，收藏14次。我们在每个修改的地方都记录一条对应的 redo 日志显然是不现实的，因此实现方式是用时间换空间，我们在数据库崩了之后用日志还原数据时，在执行这条日志之前，数据库应该是一个一致性状态，我们用对应的参数，执行固定的步骤，修改对应的数据。1，MySQL 就是通过 undolog 回滚日志来保证事务原子性的，在异常发生时，对已经执行的操作进行回滚，回滚日志会先于数据持久化到磁盘上（因为它记录的数据比较少，所以持久化的速度快），当用户再次启动数据库的时候，数据库能够通过查询回滚日志来回滚将之前未完成的事务。_binglog

我的第一个Chrome小插件-基于vue开发的flexbox布局CSS拷贝工具_chrome css布局插件-程序员宅基地

文章浏览阅读3k次。概述之前介绍过 移动Web开发基础-flex弹性布局（兼容写法） 里面有提到过想做一个Chrome插件，来生成flexbox布局的css代码直接拷贝出来用。最近把这个想法实现了，给大家分享下。play-flexbox插件介绍play-flexbox一秒搞定flexbox布局，可直接预览效果，拷贝CSS代码快速用于页面重构。 你也可以通过点击以下链接（codepen示例）查_chrome css布局插件

win10下安装TensorFlow-gpu的流程(包括cuda、cuDnn下载以及安装问题)-程序员宅基地

文章浏览阅读308次。我自己的配置是GeForce GTX 1660 +CUDA10.0+CUDNN7.6.0 + TensorFlow-GPU 1.14.0Win10系统安装tensorflow-gpu（按照步骤一次成功）https://blog.csdn.net/zqxdsy/article/details/103152190环境配置——win10下TensorFlow-GPU安装（GTX1660 SUPER+CUDA10+CUDNN7.4）https://blog.csdn.net/jiDxiaohuo/arti

推荐文章

热门文章

相关标签