当前位置: 首页 > article >正文

【Mac】安装 PaddleOCR

环境:Mac M1 芯片

1、安装

1.1 安装 Anaconda

Anaconda 安装较为简单,直接在 Anaconda 官网 下载pkg文件,根据向导提示完成安装。

Anaconda 用于搭建 Python 虚拟环境,目的是为了避免与之前环境安装库的版本冲突,另外 paddle 对Python 的版本也是有要求的。

创建并激活虚拟环境:

zs@Mac ~ % conda create -y -n paddle python=3.12
zs@Mac ~ % conda activate paddle

1.2 安装 paddlepaddle

在 官网 获取安装命令:

(paddle) zs@Mac ~ % conda install paddlepaddle==3.0.0b2 -c paddle

验证:

(paddle) zs@Mac ~ % python
>>> import paddle
>>> paddle.utils.run_check() 
Running verify PaddlePaddle program ... 
I1219 22:02:16.993297 4123495424 interpretercore.cc:237] New Executor is Running.
I1219 22:02:17.038717 4123495424 interpreter_util.cc:518] Standalone Executor is Used.
PaddlePaddle works well on 1 CPU.
PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now.

可能报错:

  • TypeError: __array__(): incompatible function arguments. The following argument types are supported

    paddle与numpy的版本不兼容,通过降低numpy版本解决。

1.3 安装 PaddleOCR

安装:

(paddle) zs@Mac ~ % pip install -i https://pypi.tuna.tsinghua.edu.cn/simple paddleocr --user

安装依赖:先将 项目依赖 拉下来,然后执行以下命令:

(paddle) zs@Mac ~ % pip install -r requirements.txt

2、Paddle 升级

在 官网快速开始界面复制命令,直接执行,pip、conda 等会自动处理依赖关系,并安装或升级到指定的版本。

在这里插入图片描述

3、测试

3.1 命令行

paddleocr --image_dir /path/image.jpg

3.2 脚本测试

编写脚本 test.py

from paddleocr import PaddleOCR

# 创建识别器
ocr = PaddleOCR(use_angle_cls=True, lang='ch')
img_path = '../mv/1.jpg'
# 只需运行一次即可下载模型并将其加载到内存中
result = ocr.ocr(img_path, cls=True) 
for idx in range(len(result)):
    res = result[idx]
    for line in res:
        print(line)

终端执行上述脚本:

(paddle) zs@Mac ~ % python test.py

3.3 警告解决

  • No ccache found
    /opt/anaconda3/envs/paddle/lib/python3.12/site-packages/paddle/utils/cpp_extension/extension_utils.py:686: 
    UserWarning: No ccache found. Please be aware that recompiling all source files may be required. You can download and install ccache from: https://github.com/ccache/ccache/blob/master/doc/INSTALL.md
      warnings.warn(warning_message)
    
    提示在当前环境中没有找到 ccache。ccache 是一个编译缓存工具,可以显著加快重新编译的速度。如果不介意重新编译所有源文件的时间,可以选择忽略这个警告。如果希望提高编译速度,可以按照提示安装 ccache。
    conda install -c conda-forge ccache
    
  • Setuptools is replacing distutils
    /root/miniconda3/envs/PaddleSpeech/lib/python3.9/site-packages/_distutils_hack/__init__.py:30: 
    UserWarning: Setuptools is replacing distutils. Support for replacing an already imported distutils is deprecated. In the future, this condition will fail. Register concerns at https://github.com/pypa/setuptools/issues/new?template=distutils-deprecation.yml
      warnings.warn(
    
    这个警告表示 setuptools 正在替换 distutils,并且在未来这种替换可能会失败,setuptools项目中建议通过更新 setuptools 来解决。
    python -m pip install --upgrade setuptools
    
  • pip is being invoked by an old script wrapper
    WARNING: pip is being invoked by an old script wrapper. This will fail in a future version of pip.
    Please see https://github.com/pypa/pip/issues/5599 for advice on fixing the underlying issue.
    To avoid this problem you can invoke Python with '-m pip' instead of running pip directly.
    
    这个警告表示您正在使用的 pip 是通过一个旧的脚本包装器调用的,这在未来可能会导致问题。建议使用 python -m pip 命令来调用 pip。

5、图片太长导致无法识别

将图片进行裁剪

import os

from PIL import Image

def crop_image(path, rows, cols, folder):
    image = Image.open(path)
    name, extension = os.path.splitext(os.path.basename(path))
    width, height = image.size
    img_width = width // cols
    img_height = height // rows

    for row in range(rows):
        for col in range(cols):
            box = (col * img_width, row * img_height, (col + 1) * img_width, (row + 1) * img_height)
            cropped_image = image.crop(box)
            output_file = f"{folder}/{name}_{row}_{col}{extension}"
            cropped_image.save(output_file)

# 裁剪图像:图片地址、裁剪行数、裁剪列数、裁剪结果保存路径
crop_image("../photo/example.jpg", 3, 1, "../photo")

8、PaddleOCR模型

模型在本地存放默认地址:/Users/zs/.paddleocr/whl

(paddle) zs@Mac ~ % ls /Users/zs/.paddleocr/whl
cls det rec
  • det(Detection):
    这个文件夹包含用于文本检测的模型。文本检测是 OCR 流程的第一步,它的目的是在图像中找到文本的位置。
  • cls(Classification):
    这个文件夹包含用于文本方向分类的模型(在某些版本的 PaddleOCR 中可能不存在或不是必需的)。文本方向分类用于确定检测到的文本的方向,以便后续能够正确地识别文本内容。
  • rec(Recognition):
    这个文件夹包含用于文本识别的模型。文本识别是 OCR 流程的最后一步,它的目的是将检测到的文本图像转换为可编辑的文本内容。

如需更改模型缓存目录,只需设置相应的变量环境即可。

默认下载目录设置环境变量
paddlehubHUB_HOME
paddlenlpPPNLP_HOME
paddlespeechPPSPEECH_HOME
paddleaudioPPAUDIO_HOME
paddleocrPPOCR_HOME
paddledetectionPPDETECTION_HOME
paddleganPPGAN_HOME
paddlesegPPSEG_HOME
paddleclasPPCLAS_HOME
paddlerecPPREC_HOME

9、PaddleOCR模型推理参数

在使用PaddleOCR进行模型推理时,可以自定义修改参数,来修改模型、数据、预处理、后处理等内容,详细的参数解释如下所示。

9.1 全局信息

参数名称类型默认值含义
image_dirstr无,必须显式指定图像或者文件夹路径
page_numint0当输入类型为pdf文件时有效,指定预测前面page_num页,默认预测所有页
vis_font_pathstr“./doc/fonts/simfang.ttf”用于可视化的字体路径
drop_scorefloat0.5识别得分小于该值的结果会被丢弃,不会作为返回结果
use_pdservingboolFalse是否使用Paddle Serving进行预测
warmupboolFalse是否开启warmup,在统计预测耗时的时候,可以使用这种方法
draw_img_save_dirstr“./inference_results”系统串联预测OCR结果的保存文件夹
save_crop_resboolFalse是否保存OCR的识别文本图像
crop_res_save_dirstr“./output”保存OCR识别出来的文本图像路径
use_mpboolFalse是否开启多进程预测
total_process_numint6开启的进程数,use_mp为True时生效
process_idint0当前进程的id号,无需自己修改
benchmarkboolFalse是否开启benchmark,对预测速度、显存占用等进行统计
save_log_pathstr“./log_output/”开启benchmark时,日志结果的保存文件夹
show_logboolTrue是否显示预测中的日志信息
use_onnxboolFalse是否开启onnx预测

9.2 预测引擎相关

参数名称类型默认值含义
use_gpuboolTrue是否使用GPU进行预测
ir_optimboolTrue是否对计算图进行分析与优化,开启后可以加速预测过程
use_tensorrtboolFalse是否开启tensorrt
min_subgraph_sizeint15tensorrt中最小子图size,当子图的size大于该值时,才会尝试对该子图使用trt engine计算
precisionstrfp32预测的精度,支持fp32, fp16, int8 3种输入
enable_mkldnnboolTrue是否开启mkldnn
cpu_threadsint10开启mkldnn时,cpu预测的线程数

9.3 文本检测模型相关

参数名称类型默认值含义
det_algorithmstr“DB”文本检测算法名称,目前支持DB, EAST, SAST, PSE, DB++, FCE
det_model_dirstrxx检测inference模型路径
det_limit_side_lenint960检测的图像边长限制
det_limit_typestr“max”检测的边长限制类型,目前支持min和max,min表示保证图像最短边不小于det_limit_side_len,max表示保证图像最长边不大于det_limit_side_len
  • DB算法相关参数如下:
参数名称类型默认值含义
det_db_threshfloat0.3DB输出的概率图中,得分大于该阈值的像素点才会被认为是文字像素点
det_db_box_threshfloat0.6检测结果边框内,所有像素点的平均得分大于该阈值时,该结果会被认为是文字区域
det_db_unclip_ratiofloat1.5Vatti clipping算法的扩张系数,使用该方法对文字区域进行扩张
max_batch_sizeint10预测的batch size
use_dilationboolFalse是否对分割结果进行膨胀以获取更优检测效果
det_db_score_modestr“fast”DB的检测结果得分计算方法,支持fast和slow,fast是根据polygon的外接矩形边框内的所有像素计算平均得分,slow是根据原始polygon内的所有像素计算平均得分,计算速度相对较慢一些,但是更加准确一些。
  • EAST算法相关参数如下:
参数名称类型默认值含义
det_east_score_threshfloat0.8EAST后处理中score map的阈值
det_east_cover_threshfloat0.1EAST后处理中文本框的平均得分阈值
det_east_nms_threshfloat0.2EAST后处理中nms的阈值
  • SAST算法相关参数如下:
参数名称类型默认值含义
det_sast_score_threshfloat0.5SAST后处理中的得分阈值
det_sast_nms_threshfloat0.5SAST后处理中nms的阈值
det_box_typestrquad是否多边形检测,弯曲文本场景(如Total-Text)设置为’poly’
  • PSE算法相关参数如下:
参数名称类型默认值含义
det_pse_threshfloat0.0对输出图做二值化的阈值
det_pse_box_threshfloat0.85对box进行过滤的阈值,低于此阈值的丢弃
det_pse_min_areafloat16box的最小面积,低于此阈值的丢弃
det_box_typestr“quad”返回框的类型,quad:四点坐标,poly: 弯曲文本的所有点坐标
det_pse_scaleint1输入图像相对于进后处理的图的比例,如640640的图像,网络输出为160160,scale为2的情况下,进后处理的图片shape为320*320。这个值调大可以加快后处理速度,但是会带来精度的下降

9.4 文本识别模型相关

参数名称类型默认值含义
rec_algorithmstr“CRNN”文本识别算法名称,目前支持CRNN, SRN, RARE, NETR, SAR, ViTSTR, ABINet, VisionLAN, SPIN, RobustScanner, SVTR, SVTR_LCNet
rec_model_dirstr无,如果使用识别模型,该项是必填项识别inference模型路径
rec_image_shapestr“3,48,320”识别时的图像尺寸
rec_batch_numint6识别的batch size
max_text_lengthint25识别结果最大长度,在SRN中有效
rec_char_dict_pathstr“./ppocr/utils/ppocr_keys_v1.txt”识别的字符字典文件
use_space_charboolTrue是否包含空格,如果为True,则会在最后字符字典中补充空格字符

9.5 端到端文本检测与识别模型相关

参数名称类型默认值含义
e2e_algorithmstr“PGNet”端到端算法名称,目前支持PGNet
e2e_model_dirstr无,如果使用端到端模型,该项是必填项端到端模型inference模型路径
e2e_limit_side_lenint768端到端的输入图像边长限制
e2e_limit_typestr“max”端到端的边长限制类型,目前支持min, max,min表示保证图像最短边不小于e2e_limit_side_len,max表示保证图像最长边不大于e2e_limit_side_len
e2e_pgnet_score_threshfloat0.5端到端得分阈值,小于该阈值的结果会被丢弃
e2e_char_dict_pathstr“./ppocr/utils/ic15_dict.txt”识别的字典文件路径
e2e_pgnet_valid_setstr“totaltext”验证集名称,目前支持totaltext, partvgg,不同数据集对应的后处理方式不同,与训练过程保持一致即可
e2e_pgnet_modestr“fast”PGNet的检测结果得分计算方法,支持fast和slow,fast是根据polygon的外接矩形边框内的所有像素计算平均得分,slow是根据原始polygon内的所有像素计算平均得分,计算速度相对较慢一些,但是更加准确一些。

9.6 方向分类器模型相关

参数名称类型默认值含义
use_angle_clsboolFalse是否使用方向分类器
cls_model_dirstr无,如果需要使用,则必须显式指定路径方向分类器inference模型路径
cls_image_shapestr“3,48,192”预测尺度
label_listlist[‘0’, ‘180’]class id对应的角度值
cls_batch_numint6方向分类器预测的batch size
cls_threshfloat0.9预测阈值,模型预测结果为180度,且得分大于该阈值时,认为最终预测结果为180度,需要翻转

20、资料

  • Paddle官网
  • mac m1 m2 安装 paddlepaddle paddleocr库,避坑指南

http://www.kler.cn/a/448312.html

相关文章:

  • Ubuntu硬盘分区及挂载(命令行)
  • ROS1安装教程
  • 网络安全防范
  • 冯诺依曼架构与哈佛架构的对比与应用
  • macOS 配置 vscode 命令行启动
  • mlr3机器学习AUC的置信区间提取
  • springboot java ffmpeg 视频压缩、提取视频帧图片、获取视频分辨率
  • IntelliJ IDEA Docker集成
  • 适用于.net的操作excel的库
  • vsCode怎么使用vue指令快捷生成代码
  • stm32实现出厂设置和恢复出厂设置
  • python --机器学习(KNN相关)
  • 算法之物品移动
  • 鸿蒙元服务从0到上架【第二篇】
  • HarmonyOS NEXT 技术实践-实现音乐服务卡片
  • 简单介绍一下缓慢渐变维
  • java篇-maven配置阿里云仓库(图文详解)
  • sass、scss、less、的区别
  • 文献阅读+ARIMA模型学习
  • Fluss 写入数据湖实战
  • 在 docker 内运行命令的一个大坑
  • Centos7 系统初始化
  • MySQL LIST Partitioning 问题求解/吐槽
  • 解锁大数据治理的“密码”与应用奥秘
  • ApacheStruts2 目录遍历与文件上传漏洞复现(CVE-2024-53677,S2-067)(附脚本)
  • 《测试开发方法论》-追踪溯源