在OCR方面找了很多资料，本来想要找pytorch框架下的算法，无奈很多OCR算法太老，没人更新。感觉这块有点冷门似的，不像其它热门算法一出来就有各个框架版本的复现。
看了paddleOCR真的是相当全面深刻了，还是我们自家的框架接地气。而且百度经常搞直播分享学习什么的，各种训练营还有学习群....
首先github下载：https://github.com/PaddlePaddle/PaddleOCR 并解压
一。试用官方模型
打开这个网址的中文版，下载预训练模型：
https://github.com/PaddlePaddle/PaddleOCR/blob/develop/README_ch.md
先用轻量OCR模型，分别下载检测和识别以及方向分类器。这里关于预训练模型/训练模型/推理模型，官方有说明：
注：更多模型在模型列表中：https://github.com/PaddlePaddle/PaddleOCR/blob/develop/doc/doc_ch/models_list.md
这里我 下载的是infer 推理模型ch_ppocr_mobile_v1.1_xx， 下载完解压到PaddleOCR/inference 下,可以新建inference文件夹：
每个文件夹下有两个文件：model 和params
官方快速开始的教程：https://github.com/PaddlePaddle/PaddleOCR/blob/develop/doc/doc_en/quickstart_en.md
可以使用如下命令等：
1 | python3 tools/infer/predict_system.py --image_dir="./doc/imgs/11.jpg" --det_model_dir="./inference/ch_ppocr_mobile_v1.1_det_infer/" --rec_model_dir="./inference/ch_ppocr_mobile_v1.1_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v1.1_cls_infer/" --use_angle_cls=True --use_space_char=True |
但我习惯在代码里跑：
参数模块在这 tools/infer/utility.py 需要更改的参数：
图片路径 --image_dir = ./doc/imgs/3.jpg
1 | 检测模型路径--det_model_dir = ./inference/ch_ppocr_mobile_v1.1_det_infer |
1 | 识别模型--rec_model_dir = ./inference/ch_ppocr_mobile_v1.1_rec_infer |
1 | 字典--rec_char_dict_path = ./ppocr/utils/ppocr_keys_v1.txt 这个参数很重要，这个字典文字取决与你的模型是识别中文还是英文数字什么的，这个是中文字典，还有一个ic15_dict.txt 是英文和数字 |
1 | 分类模型--cls_model_dir = ./inference/ch_ppocr_mobile_v1.1_cls_infer |
1 | draw_ocr_box_txt 函数中 有个字体的路径 font_path= doc/simfang.ttf |
1 | text_visual 函数中的字体路径也是 font_path= doc/simfang.ttf |
ok。 测试图片在doc/imgs下，测试结果输出在 doc/imgs_results 以及 ./inference_results 文件夹下：
二。训练自己的数据
我暂时只训练识别的crnn。
官方教程：https://www.bookstack.cn/read/PaddleOCR/recognition.md
我用的通用数据，不是lmdb 格式。数据准备 ICDAR2015数据集
下载地址：https://blog.csdn.net/weixin_45779880/article/details/105642393
选择4.3 word recognition
下载下来后有train 和test 两份数据集以及各自的标签文件。
这里使用的是官方的标签文件：
# 训练集标签 wget -P ./train_data/ic15_data https://paddleocr.bj.bcebos.com/dataset/rec_gt_train.txt # 测试集标签 wget -P ./train_data/ic15_data https://paddleocr.bj.bcebos.com/dataset/rec_gt_test.txt
cd PaddleOCR/ # 下载MobileNetV3的预训练模型 wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/rec_mv3_none_bilstm_ctc.tar # 解压模型参数 cd pretrain_models tar -xf rec_mv3_none_bilstm_ctc.tar && rm -rf rec_mv3_none_bilstm_ctc.tar
训练配置：
训练文件tools/train.py
参数文件tools/program.py
1 | --config = ./configs/rec/rec_icdar15_train.yml |
1 | rec_icdar15_train.yml 中两个参数比较关键： |
1 | reader_yml 数据读取方式。数据集与标签路径 |
1 | pretrain_weights预训练模型路径 |
还有image_shape: [3, 32, 100] 这个虽然是可以根据自己数据大小该，但h 必须是32的整数倍。crnn 中cnn会将图像缩放到 32×W×1 大小。
1 | 保存文件的路径 save_model_dir: ./output/rec_CRNN |
其他参数 最大文本长度，文本类型（中英文），数据增强什么的都可以适当调整
我用的时候经常相对路径不能用，所以很多地方要改为绝对路径，到处找参数。
然后就可以：python train.py 运行程序：
而且我要在cmd中运行才行，pycharm一运行系统就崩了。。。我崩了好几次不知道是什么原因，改了bs还是一样。
模型训练好后如下：
然后进行训练模型的测试：注意测试图片用/doc/imgs_words_en 英文的文字图片，不是没经过裁剪的图片。
图片路径在：rec_icdar15_train.yml 中 infer_img 。 checkpoints 路径也可以在这里写。
1 | python tools/infer_rec.py -o Global.checkpoints=/home/yao/Documents/PaddleOCR/pretrain_models/rec_mv3_none_bilstm_ctc/best_accuracy |
这个测试我的效果很差，还没找原因，先记录：
接下来inference 测试。
inference 之前 要把训练的模型转换为推断模型：
1 | python3 tools/export_model.py -c configs/rec/rec_icdar15_train.yml -o Global.checkpoints="/home/yao/Documents/PaddleOCR/output/my_model/best_accuracy" Global.save_inference_dir="./output/expor_model/" |
得到：
然后就是按一的步骤试用官方模型那样，只要把识别文件夹中的模型换为自己训练的模型即可。