null - 程序员宅基地

深度学习（9）之 easyOCR使用详解-程序员宅基地

技术标签： python 计算机视觉深度学习人工智能 # 深度学习 OCR

easyOCR使用详解

本文在 OCR-easyocr初识基础上进行修改
EasyOCR 是一个python版的文字识别工具。目前支持80中语言的识别。其对应的 github 地址：EasyOCR
可以在网站版测试 demo 测试效果：https://www.jaided.ai/easyocr/
其在字符识别上的效果如下：

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

Install using pip

For the latest stable release:

pip install easyocr

For the latest development release:

pip install git+https://github.com/JaidedAI/EasyOCR.git

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： Jaided AI: EasyOCR model hub），不用解压直接复制粘贴于 ~/.EasyOCR/model/目录下。

在这里插入图片描述

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

EasyOCR/custom_model.md at master · JaidedAI/EasyOCR · GitHubReady-to-use OCR with 80+ supported languages and all popular writing scripts including Latin, Chinese, Arabic, Devanagari, Cyrillic and etc. - EasyOCR/custom_model.md at master · JaidedAI/EasyOCR

https://github.com/JaidedAI/EasyOCR/blob/master/custom_model.md

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

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

5.2、基本使用2

代码实现如下：

import easyocr
 
reader = easyocr.Reader(
    lang_list=['ch_sim', 'en'], # 需要导入的语言识别模型，可以传入多个语言模型，其中英语模型en可以与其他语言共同使用
    gpu=False, # 默认为True
    download_enabled=True # 默认为True，如果 EasyOCR 无法找到模型文件，则启用下载
)
 
result = reader.readtext('id_card.jpg', detail=1 ) # 图片可以传入图片路径、也可以传入图片链接。但推荐传入图片路径，会提高识别速度。包含中文会出错。设置detail=0可以简化输出结果，默认为1
print(result)
 
readtext 返回的列表中，每个元素都是一个元组，内含三个信息：位置、文字、置信度:
[
    ([[27, 37], [341, 37], [341, 79], [27, 79]], '姓  名  爱新觉罗 。玄烨', 0.6958897643232619),
    ([[29, 99], [157, 99], [157, 135], [29, 135]], '性  别  男', 0.914532774041559),
    ([[180, 95], [284, 95], [284, 131], [180, 131]], '民蔟满', 0.4622474180193509),
    ([[30, 152], [94, 152], [94, 182], [30, 182]], '出  生', 0.6015505790710449),
    ([[110, 152], [344, 152], [344, 184], [110, 184]], '1654 年54日', 0.42167866223467815),
    ([[29, 205], [421, 205], [421, 243], [29, 243]], '住  址   北京市东城区景山前街4号', 0.6362530289101117),
    ([[105, 251], [267, 251], [267, 287], [105, 287]], '紫禁城乾清宫', 0.8425745057905053),
    ([[32, 346], [200, 346], [200, 378], [32, 378]], '公民身份证号码', 0.22538012770296922),
    ([[218, 348], [566, 348], [566, 376], [218, 376]], '000003165405049842', 0.902066405195785)
]
 
detail=0，从而只返回文字内容：
['姓  名  爱新觉罗 。玄烨', '性  别  男', '民蔟满', '出  生', '1654 年54日', '住  址  北京市东城区景山前街4号', '紫禁城 乾清宫', '公民身份证号码', '000003165405049842']

5.3、基本使用3

识别后的结果并不完全准确：

六、参考

Jaided AI: EasyOCR install 官网

Jaided AI: EasyOCR model hub 模型下载

GitHub - JaidedAI/EasyOCR: Ready-to-use OCR with 80+ supported languages and all popular writing scripts including Latin, Chinese, Arabic, Devanagari, Cyrillic and etc.

本文链接：https://blog.csdn.net/yohnyang/article/details/130300923

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

（算法）稳定婚姻匹配-程序员宅基地

文章浏览阅读71次。题目：婚介所登记了N位男孩和N位女孩，每个男孩都对N个女孩的喜欢程度做了排序，每个女孩都对N个男孩的喜欢程度做了排序，你作为月老，能否给出稳定的牵手方案？稳定的定义：如果男孩i和女孩a牵手，但男孩i对女孩b更喜欢，而女孩b的男朋友j拼不过男孩i，则没有力量阻碍男孩i和女孩b的私奔，这即是不稳定的。思路： 1962 年，美国数学家 David Gale 和 Lloyd Shapl..._wm[i][woman[i][j]]=j

python基础教程数据分析_Python基础教程之Python数据分析工具总结-程序员宅基地

文章浏览阅读112次。Python主要是依靠众多的第三方库来增强它的数据处理能力的。常用的是Numpy库，Scipy库、Matplotlib库、Pandas库、Scikit-Learn库等。常规版本的python需要在安装完成后另外下载相应的第三方库来安装库文件。而若安装的是Anaconda版本的Python，则不需要一个一个安装第三方库，可能已经同时安装了这些库。Anaconda是专门应用于科学计算的Python版本..._python处理piv教程

CS224n研究热点1 一个简单但很难超越的Sentence Embedding基线方法-程序员宅基地

文章浏览阅读149次。为什么80%的码农都做不了架构师？>>> ..._计算padded的sentence的embedding

苹果id无法登陆_苹果手机无法连接到app store怎么办-程序员宅基地

文章浏览阅读3.6k次。　　苹果手机提供了App Store作为官方的软件下载渠道，如果有时候遇到苹果手机无法连接到app store怎么办，下面就为大家介绍一下解决的方法。苹果手机无法连接到app store怎么办　　无法连接到App Store一般都是由于网络问题导致的，下面就为大家介绍一下几种解决的方法：　　1、首先可以重启一遍手机看一下能否解决；　　2、您可以将当前的WiFi断开使用移动网络能否正常打开；　　3、..._苹果手机无法连接到app store

数形结合彻底解决2个球100层楼摔坏的问题_两个小球从高空抛下移到100层楼-程序员宅基地

文章浏览阅读1.3w次，点赞5次，收藏20次。题目：有一栋100层高楼,从某一层开始扔下的玻璃球刚好摔坏,现有两个玻璃球,试用最简便的方法确定这个恰好摔坏玻璃球的那层. 这是一道著名的面试题目，仅写出我的思路和解法．首先从题目得出基本思路１．第一个球应该低到高试，但不是每层必试．２．不能有侥幸心理，第二个球在第一个球的区间里每层必试．上图是简化为１０层楼解法。数字代表楼层，球从原点先右后上的路_两个小球从高空抛下移到100层楼

读取HG-S1010测量值 RS485通信 modbus协议 FP7_hg s1010接线-程序员宅基地

文章浏览阅读210次。HG-S1010配有模拟量输出（电压、电流），NPN/PNP输出，也可通过外接通讯模块进行输出。通信模块包括SC-HG1-485模块（RS485接口协议）、SC-HG1-ETC模块（EtherCAT总线）、SC-HG1-C模块（CCLink协议）等。本文介绍连接松下FP7与HG-S1010配RS485通信模块进行通信，通过modbus协议读取HG-S1010当前测量值。主控制器测量值位置在地址H64处，占两个字节。将SC-HG1-485模块与控制器HG-SC101连接，在端子台＋、－插入通信用线。_hg s1010接线

随便推点

LeetCode刷题总结 - 面试经典 150 题 -持续更新-程序员宅基地

文章浏览阅读5.7k次，点赞4次，收藏22次。LeetCode刷题总结 - 面试经典 150 题 - 持续更新其他系列数组 / 字符串88. 合并两个有序数组27. 移除元素26. 删除有序数组中的重复项80. 删除有序数组中的重复项 II169. 多数元素189. 轮转数组121. 买卖股票的最佳时机122. 买卖股票的最佳时机 II55. 跳跃游戏274. H 指数380. O(1) 时间插入、删除和获取随机元素238. 除自身以外数组的乘积739. 每日温度42. 接雨水双指针125. 验证回文串392. 判断子序列167. 两数之和 II - _leetcode刷题

PTA 7-248 递归函数返回两个整数的最大公约数_编写函数,函数的形式参数为两个正整数a和b,函数返回a与b的最大公约数,要求用递归-程序员宅基地

文章浏览阅读1.3k次。PTA 7-248 递归函数返回两个整数的最大公约数_编写函数,函数的形式参数为两个正整数a和b,函数返回a与b的最大公约数,要求用递归

使用parted分区并用GPT方式分区_mengpt使用-程序员宅基地

文章浏览阅读4.4k次。使用parted分区，删除所有分区，并重新使用parted分区分区方式使用gpt_mengpt使用

Oauth2 访问oauth/authorize/**出现 403_oauth2 client_credentials 403-程序员宅基地

文章浏览阅读4.1k次，点赞3次，收藏3次。Oauth2 访问oauth/authorize/**出现 403_oauth2 client_credentials 403

STM32-串口通信发送+接收信息（标准库+代码）_stm32串口传输代码-程序员宅基地

文章浏览阅读586次，点赞12次，收藏8次。通用异步收发器UART（Universal Asynchronous Receiver/Transmitter)，是一种串行、异步、全双工的通信协议。通过发送线（TX)、接收线（RX）、GND就可以进行全双工通信。需要确定好通信双方的波特率（bps指每秒传输的码元数量）串口通信是一位一位地传输，每传输一个字符总是以起始位开始，以停止位结束，字符之间没有固定的时间间隔要求。每一个字符的前面都有一位起始位（低电平），后面由7位数据位组成，接着是1位校验位，最后是1位停止位。_stm32串口传输代码

lliunx 系统图片服务器fastdfs 安装和测试_linux测试fastdfs上传图片-程序员宅基地

文章浏览阅读465次。fastdfs 相关安装包下载：fastdfs_client_java_v1.10.tar.gz 下载链接：https://sourceforge.net/projects/fastdfs/fastdfs-nginx-module_v1.16.tar.gz 下载链接：https://sourceforge.net/projects/fastdfs/file_linux测试fastdfs上传图片