Python使用ModelScope进行ocr文字识别

简介：
官网地址
GitHub地址

在 2022 云栖大会杭州现场，阿里达摩院与 CCF 开源发展委员会共同推出 AI 模型社区“魔搭”ModelScope。同时，达摩院向魔搭社区贡献 300 多个 AI 模型，超过 1/3 为中文模型，全面开源开放。

魔搭社区首批开源模型超过 300 个，包括视觉、语音、自然语言处理、多模态等 AI 主要方向，并向 AI for Science 等新领域探索，覆盖的主流任务超过 60 个。模型均经过筛选和效果验证，包括 150 多个 SOTA 模型和 10 多个大模型，全面开源且开放使用。

据介绍，魔搭社区 ModelScope 践行模型即服务的新理念（Model as a Service），提供众多预训练基础模型，只需针对具体场景再稍作调优，就能快速投入使用。

此外，社区目前已上架的中文模型超过 100 个，占比超过 1/3，包括一批中文大模型，如阿里通义大模型系列、澜舟科技的孟子系列模型、智谱 AI 的中英双语千亿大模型等。

线上测试
首先上链接，在这里你可以测试具体效果如何：

模型库
在模型库里面我们可以看到多种方向的相关模型，可以自行选择测试

环境安装
官方技术文档地址

在此处大家可以自行选择使用docker或本地、服务器安装（建议使用docker，自行安装的话，会出现各种令人头皮发麻的问题）。

使用方法

给出了多种选择，可以在线上notebook中进行测试，也可以在本地自行配置好的环境或docker中使用。

```python
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
# 下面为多种场景下的使用方法
# 通用场景
p = pipeline(Tasks.ocr_recognition,model='damo/cv_convnextTiny_ocr-recognition-general_damo')
# 自然场景
# p = pipeline(Tasks.ocr_recognition,model='damo/cv_convnextTiny_ocr-recognition-scene_damo')
# 手写场景
# p = pipeline(Tasks.ocr_recognition,model='damo/cv_convnextTiny_ocr-recognition-handwritten_damo')
# 文档场景
# p = pipeline(Tasks.ocr_recognition,model='damo/cv_convnextTiny_ocr-recognition-document_damo')
# 车牌场景
# p = pipeline(Tasks.ocr_recognition,model='damo/cv_convnextTiny_ocr-recognition-licenseplate_damo')
# 文字区域检测
# p = pipeline(Tasks.ocr_detection, model='damo/cv_resnet18_ocr-detection-line-level_damo')

p('http://duguang-labelling.oss-cn-shanghai.aliyuncs.com/maas_demo/ocr_shouxie.jpg',)

此处也可以直接使用本地图片路径

p('./image/ocr_shouxie.jpg',)

CV方向使用方法说明

任务	说明
ocr-detection（文字检测）	将图像中的文字检测出来并返回检测点坐标位置
ocr-recognition（文字识别）	将图像中的文字识别出来并返回文本内容
face-detection（人脸检测 ）	对图像中的人脸进行检测并返回人脸坐标位置
face-recognition（人脸识别）	对图像中的人脸进行检测并返回人脸坐标位置
human-detection（人体检测）	对图像中的人体关键点进行检测并返回关键点标签与坐标位置
body-2d-keypoints （人体2D关键点）	检测图像中人体2D关键点位置
human-object-interaction（人物交互关系）	对图像中的肢体关键点和物品进行检测和识别对坐标信息进行处理
face-image-generation（人脸生成）	对图像中的人脸进行区域位置检测并生成虚拟人脸
image-classification（单标签图像分类 ）	对图像中的不同特征根据类别进行区分
image-multilabel-classification（多标签图像分类）	解析图像特征支持多个类别区分
image-object-detection（通用目标检测）	对输入图像中的较通用物体定位及类别判断
image-object-detection（目标检测-自动驾驶场景）	对自动驾驶中的场景进行目标检测，图像中的人、车辆及交通信息等进行实时解析并进行标注
portrait-matting（人像抠图）	对输入的图像将人体部分抠出并对背景进行透明化处理
image-segmentation（通用图像分割）	识别图像主体与图像背景进行分离
image-protrait-enhancement （人像增强）	对图像中的人像主体进行细节增强
skin-retouching（人像美肤）	对图像中的人像皮肤进行细节美化
image-super-resolution （图像超分辨 ）	对图像进行倍数放大且不丢失画面质量
image-colorization （图像上色）	对黑白图像进行区域解析并对其进行类别上色
image-color-enhancement （图像颜色增强）	对图像中色彩值进行解析并对其进行规则处理
image-denoising （图像降噪 ）	对图像中的噪点进行处理降低
image-to-image-translation（图像翻译）	将一张图片上的文字翻译成目标语言并生成新的图片
image-to-image-generation （以图生图）	根据输入图像生成新的类似图像
image-style-transfer （风格迁移）	对图像或视频的色彩风格进行另一种风格转化
image-portrait-stylization （人像卡通化）	对输入的图像进行卡通化处理，实现风格变化
image-embedding （图像表征）	对输入图像特征进行多模态匹配
image-search （搜索推荐）	根据输入图像进行范围匹配
image-evaluation （审核评估）	对图像进行解析并自动给出一个评估信息
video-processing （视频处理）	对视频信息进行自动运算处理
live_category （直播商品类目识别）	实时解析识别直播画面中的商品类别进行信息展示
action_recognition （行为识别）	对视频中的动作行为进行识别并返回类型
video_category （短视频内容分类）	解析短视频语义进行场景分类
video-detecction （视频检测）	对视频信息进行内容解析
video-segmentation （视频分割）	对视频信息进行背景和主体分离
video-generation （视频生成）	对视频进行解析匹配视频信息进行生成
video-editing （视频编辑）	对视频进行解析转化为可编辑状态
video-embedding （视频表征）	对视频特征进行多模态匹配
video-search （视频检索）	对视频解析根据规则提取部分信息
reid-and-tracking （目标跟踪及重识别）	可对图片和视频进行目标识别可重复识别
video-evaluation （视频审核评估）	根据规则对视频解析并给出评估结果
video-ocr （视频文本识别）	对视频中的文字内容进行识别
video-captioning （视频到文本）	将视频中的音频转化为文本信息
virtual-try-on （虚拟试衣）	给定模特图片和衣服图片，合成模特穿上给定衣服的图片
3d-reconstruction （三维重建）	对三维模型解析并重新构建
3d-recognition （三维识别）	对三维模型进行识别并进行标注
3d-editing （三维编辑）	对三维模型解析转化为可编辑状态
3d-driven （驱动交互）	对三维模型解析转为为动态效果
3d-rendering （渲染呈现）	对三维模型进行渲染并以图像展示
ar-vr （增强/虚拟现实）	对vr图像信息进行画面增强