PaddleOCR Windows下配置环境并测试

目录

1.PaddleOCR 介绍

1.2 PaddleOCR支持模型介绍 

 2.环境配置

3.PaddleOCR源码

---

1.PaddleOCR 介绍

PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力开发者训练出更好的模型，并应用落地。

支持多种OCR相关前沿算法，在此基础上打造产业级特色模型PP-OCR和PP-Structure，并打通数据生产、模型训练、压缩、预测部署全流程 

1.2 PaddleOCR支持模型介绍 

PP-OCRv3在PP-OCRv2的基础上，针对检测模型和识别模型，进行了共计9个方面的升级：

• PP-OCRv3检测模型对PP-OCRv2中的CML协同互学习文本检测蒸馏策略进行了升级，分别针对教师模型和学生模型进行进一步效果优化。其中，在对教师模型优化时，提出了大感受野的PAN结构LK-PAN和引入了DML蒸馏策略；在对学生模型优化时，提出了残差注意力机制的FPN结构RSE-FPN。

• PP-OCRv3的识别模块是基于文本识别算法SVTR优化。SVTR不再采用RNN结构，通过引入Transformers结构更加有效地挖掘文本行图像的上下文信息，从而提升文本识别能力。PP-OCRv3通过轻量级文本识别网络SVTR_LCNet、Attention损失指导CTC损失训练策略、挖掘文字上下文信息的数据增广策略TextConAug、TextRotNet自监督预训练模型、UDML联合互学习策略、UIM无标注数据挖掘方案，6个方面进行模型加速和效果提升。

PP-OCRv3系统pipeline如下：

 

• 超轻量PP-OCRv3系列：检测（3.6M）+ 方向分类器（1.4M）+ 识别（12M）= 17.0M
• 超轻量PP-OCRv2系列：检测（3.1M）+ 方向分类器（1.4M）+ 识别（8.5M）= 13.0M
• 超轻量PP-OCR mobile移动端系列：检测（3.0M）+方向分类器（1.4M）+ 识别（5.0M）= 9.4M
• 通用PP-OCR server系列：检测（47.1M）+方向分类器（1.4M）+ 识别（94.9M）= 143.4M
• 支持中英文数字组合识别、竖排文本识别、长文本识别
• 支持多语言识别：韩语、日语、德语、法语等约80种语言

模型库链接： https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.6/doc/doc_ch/models_list.md

 2.环境配置

2.1在Anaconda3下创建PaddleOCR 环境，根据具体的 Python 版本创建 Anaconda 虚拟环境：

conda create --name paddleocr python=3.8

 2.1.1  进入 Anaconda 虚拟环境

activate paddleocr

2.2 安装paddlepaddle

根据cuda版本选择合适的paddlepaddle，飞桨PaddlePaddle-源于产业实践的开源深度学习平台

conda install paddlepaddle-gpu==2.4.2 cudatoolkit=11.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/ -c conda-forge 

 2.2.1 验证安装是否成功

使用 python 进入 python 解释器

import paddle
paddle.utils.run_check()

3.PaddleOCR源码

源码下载链接：

https://github.com/PaddlePaddle/PaddleOCR

进入cd PaddleOCR-release-2.6

pip install -r  requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

3.1 验证是否配置成功

# 下载超轻量中文检测模型：
https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_det_infer.tar

python tools/infer/predict_det.py --image_dir="./doc/imgs/11.jpg" --det_model_dir="model/ch_PP-OCRv3_det_infer/"