| .. _algorithm_ocr: | |
| ========================== | |
| 光学字符识别(OCR)算法 | |
| ========================== | |
| 简介 | |
| ==================== | |
| 光学字符识别(OCR)是指对图片中的文字块进行检测和识别。 | |
| 模型使用 | |
| ==================== | |
| 在配置好环境的情况下，直接执行 ``scripts/ocr.py`` 即可运行OCR算法脚本。 | |
| .. code:: shell | |
| $ python scripts/ocr.py --config configs/ocr.yaml | |
| 模型配置 | |
| -------------------- | |
| .. code:: yaml | |
| inputs: assets/demo/ocr | |
| outputs: outputs/ocr | |
| visualize: True | |
| tasks: | |
| ocr: | |
| model: ocr_ppocr | |
| model_config: | |
| lang: ch | |
| show_log: True | |
| det_model_dir: models/OCR/PaddleOCR/det/ch_PP-OCRv4_det | |
| rec_model_dir: models/OCR/PaddleOCR/rec/ch_PP-OCRv4_rec | |
| det_db_box_thresh: 0.3 | |
| - inputs/outputs: 分别定义输入文件路径和输出路径 | |
| - visualize: 是否对模型结果进行可视化，可视化结果会保存在outputs目录下。 | |
| - tasks: 定义任务类型，当前只包含一个OCR任务 | |
| - model: 定义具体模型类型, 当前仅提供PaddleOCR模型 | |
| - model_config: 定义模型配置 | |
| - lang: 定义语种，默认语种ch支持中英文文字的检测和识别 | |
| - show_log: 是否打印检测识别过程的日志 | |
| - det_model_dir: 定义PaddleOCR检测模型的路径，指定路径不存在时，会自动下载模型权重到该路径 | |
| - rec_model_dir: 定义PaddleOCR识别模型的路径，指定路径不存在时，会自动下载模型权重到该路径 | |
| - det_db_box_thresh: 检测框筛选阈值，置信度低于该阈值的框会被舍弃 | |
| 多样化输入支持 | |
| -------------------- | |
| PDF-Extract-Kit中的OCR脚本支持 ``单个图像/PDF文件`` 、 ``包含图像/PDF文件的目录`` 等输入形式。 | |
| 可视化结果查看 | |
| -------------------- | |
| 当config文件中 ``visualize`` 设置为 ``True`` 时，可视化结果会保存在 ``outputs`` 参数指定的目录下。 | |
| .. note:: | |
| 可视化可以方便对模型结果进行分析，但当进行大批量任务时，建议关掉可视化(设置 ``visualize`` 为 ``False`` )，减少内存和磁盘占用。 |