OCR-easyocr初识

向AI转型的程序员都关注了这个号👇👇👇

机器学习AI算法工程   公众号：datayx

一、介绍

批量文字识别（OCR）是Python办公自动化的基本操作，应用在我们工作生活中的方方面面，比如车牌识别、证件识别、银行卡识别、票据识别等等。

Python中OCR第三方库非常多，比如easyocr、PaddleOCR、cnocr等等。

EasyOCR 是一个用 Python 编写的 OCR 库，用于识别图像中的文字并输出为文本，支持 80 多种语言。

检测部分使用CRAFT算法，识别模型为CRNN，由3个组件组成：特征提取Resnet、序列标记LSTM、解码CTC。整个深度学习过程基于pytorch实现。

图片--预处理（去噪、色彩饱和度、尖锐处理等）--文字检测（CRAFT）--中间处理（倾斜处理等）---文字识别---后续处理---输出结果

二、安装

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple easyocr

模型储存路径：

windows：C:\Users\username\.EasyOCR\

linux：/root/.EasyOCR/

easyocr 的深度学习算法依赖于另一个著名的第三方模块 pytorch，图形处理部分则会用到 opencv、Pillow 等，所以还需要确保自己电脑上已经安装这些基础模块。

首次使用easyocr识别图片，会自动从网络中下载预训练模型。下载耗时较长，而且大概率遇到URLError错误，

推荐下载模型文件(下载链接：https://www.jaided.ai/easyocr/modelhub/），不用解压直接复制粘贴于~/.EasyOCR/model/目录下。

三、API文档

3.1、easyocr.Reader class：

参数：

lang_list (list) - 识别的语言代码列表，例如 ['ch_sim','en']

gpu (bool, string, default = True) - 启用 GPU

model_storage_directory (string, default = None) - 模型数据目录的路径。如果未指定，将从环境变量 EASYOCR_MODULE_PATH（首选）、MODULE_PATH（如果已定义）或 ~/.EasyOCR/ 定义的目录中读取模型。

download_enabled (bool, default = True) - 如果 EasyOCR 无法找到模型文件，则启用下载；

user_network_directory (bool, default = None) - 用户模型存储的路径。如果未指定，将从 MODULE_PATH + '/user_network' (~/.EasyOCR/user_network) 读取模型;

recog_network (string, default = 'standard') - 用户模型、模块和配置文件的名称;

detector (bool, default = True) - 将检测模型加载到内存中 

recognizer (bool, default = True) - 将识别模型加载到内存中

属性：

lang_char - 显示当前模型中的所有可用字符

3.2、reader.readtext(）

Reader对象的主要方法。有 4 组参数：General、Contrast、Text Detection 和 Bounding Box Merging。

参数1：General

image (string, numpy array, byte) - 输入图像；

decoder (string, default = 'greedy')- 选项有 'greedy'、'beamsearch' 和 'wordbeamsearch'；

beamWidth (int, default = 5) - 当解码器 = 'beamsearch' 或 'wordbeamsearch' 时要保留多少光束；

batch_size (int, default = 1) - batch_size>1 将使 EasyOCR 更快但使用更多内存；

worker (int, default = 0) - 数据加载器中使用的编号线程；

allowlist (string) - 强制 EasyOCR 只识别字符的子集。对特定问题有用（例如车牌等）；

blocklist (string) - 字符的块子集。如果给定了允许列表，则此参数将被忽略。

detail (int, default = 1) - 将此设置为 0 以进行简单输出；

paragraph (bool, default = False) - 将结果合并到段落中；

min_size (int, default = 10) - 过滤文本框小于最小值（以像素为单位）；

rotation_info (list, default = None) - 允许 EasyOCR 旋转每个文本框并返回具有最佳置信度分数的文本框。符合条件的值为 90、180 和 270。例如，对所有可能的文本方向尝试 [90, 180 ,270]。

参数2：Contrast 对比度

contrast_ths (float, default = 0.1) - 对比度低于此值的文本框将被传入模型 2 次。首先是原始图像，其次是对比度调整为“adjust_contrast”值。结果将返回具有更高置信度的那个；

adjust_contrast (float, default = 0.5) - 低对比度文本框的目标对比度级别。

参数3：Text Detection 文本检测（来自CRAFT）

text_threshold (float, default = 0.7) - 文本置信度阈值

low_text (float, default = 0.4) - 文本下限分数

link_threshold (float, default = 0.4) - 链接置信度阈值

canvas_size (int, default = 2560) - 最大图像尺寸。大于此值的图像将被缩小。

mag_ratio (float, default = 1) - 图像放大率

参数4：Bounding Box Merging 边界框合并

    这组参数控制相邻边界框何时相互合并。除了 'slope_ths' 之外的所有参数都以盒子高度为单位。

slope_ths (float, default = 0.1) - 考虑合并的最大斜率 (delta y/delta x)。低值意味着不会合并平铺框。

ycenter_ths (float, default = 0.5) - y 方向的最大偏移。不应该合并不同级别的框。

height_ths (float, default = 0.5) - 盒子高度的最大差异。不应合并文本大小非常不同的框。

width_ths (float, default = 0.5) - 合并框的最大水平距离。

add_margin (float, default = 0.1) - 将边界框向所有方向扩展某个值。这对于具有复杂脚本的语言（例如泰语）很重要。

x_ths (float, default = 1.0) - 当段落=True 时合并文本框的最大水平距离。

y_ths (float, default = 0.5) - 当段落 = True 时合并文本框的最大垂直距离。

返回：结果列表

四、识别模型  

https://github.com/JaidedAI/EasyOCR

4.1、训练识别模型

可以使用自己的数据或生成自己的数据集。要生成您自己的数据建议使用 TextRecognitionDataGenerator（GitHub - Belval/TextRecognitionDataGenerator: A synthetic data generator for text recognition）。

我们在此处提供了一个数据集示例。拥有数据集后，您可以按照此存储库 deep-text-recognition-benchmark（https://github.com/clovaai/deep-text-recognition-benchmark）训练自己的模型。网络需要完全卷积才能预测灵活的文本长度。我们当前的网络是“None-VGG-BiLSTM-CTC”。一旦你有了训练好的模型（一个.pth文件），你需要两个额外的文件来描述识别网络架构和模型配置。此处custom_example.zip的文件中提供了一个示例。

我们还在此处

https://github.com/JaidedAI/EasyOCR/tree/master/trainer

提供我们的训练脚本版本。它是deep-text-recognition-benchmark的修改版本。

4.2、使用自定义的识别模型

需要三个文件，这三个文件必须共享相同的名称，即yourmodel.pth,  yourmodel.yaml，yourmodel.py，然后您将使用它们在 EasyOCR API 中调用您的模型。

请下载custom_example.zip 作为示例，解压并放置custom_example.py，custom_example.yaml在user_network_directory（默认= ~/.EasyOCR/user_network），放置custom_example.pth在模型目录（默认= ~/.EasyOCR/model）。一旦你将所有3个文件放在各自的位置，你可以通过设置recog_network来使用custom_example：reader = easyocr.Reader(['en'], recog_network='custom_example')

五、使用

5.1、基本使用1

可以通过命令行使用如下：

$ easyocr -l ch_sim en -f chinese.jpg --detail=1 --gpu=True 

5.2、基本使用2

原文地址

https://blog.csdn.net/leiwuhen92/article/details/126418919

机器学习算法AI大数据技术 搜索公众号添加： datanlp长按图片，识别二维码

阅读过本文的人还看了以下文章：
TensorFlow 2.0深度学习案例实战

基于40万表格数据集TableBank，用MaskRCNN做表格检测

《基于深度学习的自然语言处理》中/英PDF

Deep Learning 中文版初版-周志华团队

【全套视频课】最全的目标检测算法系列讲解，通俗易懂！

《美团机器学习实践》_美团算法团队.pdf

《深度学习入门：基于Python的理论与实现》高清中文PDF+源码

《深度学习：基于Keras的Python实践》PDF和代码

特征提取与图像处理(第二版).pdf

python就业班学习视频，从入门到实战项目

2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码

《深度学习之pytorch》pdf+附书源码

PyTorch深度学习快速实战入门《pytorch-handbook》

【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》

《Python数据分析与挖掘实战》PDF+完整源码

汽车行业完整知识图谱项目实战视频(全23课)

李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材

笔记、代码清晰易懂！李航《统计学习方法》最新资源全套！
《神经网络与深度学习》最新2018版中英PDF+源码

将机器学习模型部署为REST API
FashionAI服装属性标签图像识别Top1-5方案分享

重要开源！CNN-RNN-CTC 实现手写汉字识别

yolo3 检测出图像中的不规则汉字
同样是机器学习算法工程师，你的面试为什么过不了？

前海征信大数据算法：风险概率预测

【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类

VGG16迁移学习，实现医学图像识别分类工程项目
特征工程(一)

特征工程(二) :文本数据的展开、过滤和分块

特征工程(三):特征缩放,从词袋到 TF-IDF

特征工程(四): 类别特征

特征工程(五): PCA 降维

特征工程(六): 非线性特征提取和模型堆叠

特征工程(七)：图像特征提取和深度学习

如何利用全新的决策树集成级联结构gcForest做特征工程并打分？

Machine Learning Yearning 中文翻译稿
蚂蚁金服2018秋招-算法工程师（共四面）通过

全球AI挑战-场景分类的比赛源码(多模型融合)

斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）

python+flask搭建CNN在线识别手写中文网站
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程

不断更新资源深度学习、机器学习、数据分析、python 搜索公众号添加： datayx