深度学习篇---paddleocr进阶

---

---

前言

本文简单介绍了paddleocr提升识别准确率的方法以及代码实现。

---

一、图像预处理优化

1.1作用

作用：提升输入图像质量，减少噪声、模糊、倾斜等问题对识别的影响。

1.2示例代码

示例代码：对比度增强 + 二值化

import cv2
import numpy as np
from paddleocr import PaddleOCR

# 读取图像
image = cv2.imread('text_image.jpg')

1.2.1 灰度化

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

1.2.2 对比度增强（CLAHE）

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
enhanced = clahe.apply(gray)

1.2.3 二值化

_, binary = cv2.threshold(enhanced, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 保存预处理后的图像
cv2.imwrite('processed_image.jpg', binary)

# 使用PaddleOCR识别
ocr = PaddleOCR(use_angle_cls=True, lang='ch')
result = ocr.ocr('processed_image.jpg', cls=True)
print(result)

1.4解释

1.4.1灰度化

灰度化：减少颜色干扰，专注文本内容。

1.4.2CLAHE

CLAHE：自适应直方图均衡化，增强局部对比度，改善光照不均。

1.4.3二值化

二值化：将图像转为黑白，突出文本轮廓。

二、调整模型参数

2.1作用

作用：优化模型配置以适应特定场景。

2.2示例代码

示例代码：调整识别尺寸和分类器

ocr = PaddleOCR(
    use_angle_cls=True,  # 开启方向分类器，纠正180度旋转
    rec_image_shape='3,48,320',  # 调整识别模型输入尺寸（通道,高,宽）
    det_db_unclip_ratio=2.0,  # 调整检测模型膨胀系数，处理长文本
    lang='ch'  # 指定语言（可选'en'/'ch'等）
)

result = ocr.ocr('image.jpg', cls=True)

2.3参数说明

rec_image_shape

rec_image_shape：默认3, 48, 320，可调整为3, 32, 640识别更长的文本。

det_db_unclip_ratio

det_db_unclip_ratio：检测模型控制文本框扩展范围，增大可更好检测长文本。

三、使用最新模型

3.1作用

作用：PaddleOCR持续更新模型，选择更高精度版本提升效果。

3.1示例代码

示例代码：指定PP-OCRv4模型

ocr = PaddleOCR(
    det_model_dir='./ch_PP-OCRv4_det_infer/',  # 下载最新检测模型
    rec_model_dir='./ch_PP-OCRv4_rec_infer/',   # 下载最新识别模型
    cls_model_dir='./ch_ppocr_mobile_v2.0_cls_infer/',
    use_angle_cls=True
)
模型下载：
从PaddleOCR Model List获取最新模型。

四、后处理优化

4.1作用

作用：对识别结果进行校正，过滤错误字符。

4.2示例代码

示例代码：正则过滤与词典约束

import re

4.2.1使用PaddleOCR自带字典约束

ocr = PaddleOCR(
    lang='ch',
  rec_char_dict_path='ppocr/utils/ppocr_keys_v1.txt',  # 自定义字典路径
    use_space_char=True  # 允许识别空格
)

4.2.2正则过滤非数字

results = ocr.ocr('image.jpg')
for line in results:
    text = line[1][0]
    filtered_text = re.sub(r'[^\d]', '', text)  # 只保留数字
    print(filtered_text)

4.3技巧

4.3.3自定义词典

自定义词典：在rec_char_dict_path中按行加入专用词汇（如医学术语）。

4.3.4正则表达式

正则表达式：根据业务规则（如身份证号、车牌号）过滤非法字符。

五、自定义训练

5.1适用场景

适用场景：专用场景（如古籍、手写体）需微调模型。

5.2步骤概要

5.2.1准备数据

准备数据：整理标注好的图像和标签文件（格式：img_path\tlabel）。

5.2.2配置YAML

配置YAML：修改configs/rec/your_config.yml中的数据集路径和超参。

5.2.3启动训练

python tools/train.py -c configs/rec/your_config.yml -o Global.pretrained_model=your_pretrain_model

六、综合优化建议

6.1多尺度识别

多尺度识别：对同一图像进行不同缩放，综合多个结果。

6.2语言模型

语言模型：结合统计语言模型（如KenLM）校正长文本。

6.3GPU加速

GPU加速：启用GPU（ocr = PaddleOCR(use_gpu=True)）提升速度，允许使用更大模型。

通过组合上述方法，可显著提升OCR识别准确率。建议从图像预处理和模型参数调整开始，逐步深入至自定义训练。

---