Docker 部署 PaddleOCR 图文识别技术应用

发表于

概述

PaddleOCR 是由百度飞桨（PaddlePaddle）团队开发的一款开源的光学字符识别（Optical Character Recognition, OCR）工具库。它专门设计用于文本检测和识别任务，能够识别图像中的文本信息，并将其转换成可编辑的文本格式。PaddleOCR 具有以下特点：

  1. 多语言支持：PaddleOCR 不仅支持中文，还支持多种语言的文本识别。

  2. 多种识别模型：提供了多种文本识别模型，包括但不限于通用识别模型、超轻量级模型等，以适应不同的应用场景和性能需求。

  3. 端到端识别：PaddleOCR 提供了端到端的识别流程，包括文本检测、方向分类、文本识别等步骤。

  4. 易用性：PaddleOCR 提供了丰富的 API 和命令行工具，使得开发者可以快速集成和使用 OCR 功能。

  5. 高性能：基于深度学习技术，PaddleOCR 在保证高精度的同时，也具有较高的识别速度。

  6. 可扩展性：PaddleOCR 允许用户自定义训练数据和模型，以适应特定的应用需求。

  7. 社区支持：作为开源项目，PaddleOCR 拥有活跃的社区，用户可以在社区中获取帮助和进行交流。

PaddleOCR 适用于各种场景下的文本识别任务，如文档扫描、票据识别、街景文字提取等，是企业和开发者在进行 OCR 相关开发时的一个有力工具。

效果预览

机票的识别结果：

照片识别结果：

从结果上看识别的准确率还是很高的，

镜像获取

本篇文章介绍如果通过 docker 部署 cpu 版本，有以下三种方式获取

  1. 通过 dockerfile 自己打包镜像使用 https://gitee.com/noogel/docker-paddleocr
  2. 通过拉取 dockerhub 的镜像。由于目前很难找到代理，倾向于通过第一中方式自己打包镜像。
  3. 联系作者要单独镜像文件。

其中第一中方式使用的是 cpu 版本服务端识别模型，需要部署的 cpu 有比较好的性能，特点是多语言识别，且识别结果很准确。

1
2
3
4
5
ENV PPOCR=v2.7.5
ENV DET=ch_PP-OCRv4_det_server_infer.tar
ENV CLS=ch_ppocr_mobile_v2.0_cls_slim_infer.tar
ENV REC=ch_PP-OCRv4_rec_server_infer.tar
ENV PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python

如果你想切换使用不同的模型可以在 github 文档中自行选择：https://github.com/PaddlePaddle/PaddleOCR/blob/main/deploy/slim/auto_compression/README.md

测试代码

然而 docker 提供的只是 API 接口形式访问，需要先将图片读取转化为 base64 编码，再通过 POST 请求后获取解析结果。下面是测试代码。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
import os
import time
import requests
import json
import base64


def cv2_to_base64(image):
    return base64.b64encode(image).decode("utf8")

def main(args):
    headers = {"Content-type": "application/json"}
    cnt = 0
    total_time = 0
    for directory, _, file_list in os.walk(args.image_dir):
        for file_name in file_list:
            file_path = os.path.join(directory, file_name)
            img = open(file_path, "rb").read()
            if img is None:
                print("error in loading image:{}".format(file_path))
                continue
            # seed http request
            starttime = time.time()
            data = {"images": [cv2_to_base64(img)]}
            r = requests.post(url=args.server_url, headers=headers, data=json.dumps(data))
            elapse = time.time() - starttime
            total_time += elapse
            print("Predict time of %s: %.3fs" % (file_path, elapse))
            res = r.json()["results"][0]
            print("Result:" + " ".join([val['text'] for val in res]))
            cnt += 1
            if cnt % 100 == 0:
                print("{} processed".format(cnt))
    print("avg time cost: {}".format(float(total_time) / cnt))


def parse_args():
    import argparse

    parser = argparse.ArgumentParser(description="args for hub serving")
    parser.add_argument("--server_url", type=str, required=True)
    parser.add_argument("--image_dir", type=str, required=True)
    parser.add_argument("--output", type=str, default="./hubserving_result")
    args = parser.parse_args()
    return args


if __name__ == "__main__":
    args = parse_args()
    main(args)

最后

关注到 PaddleOCR 是因为日常想找照片的时候，因为照片太多根本搜索不到，而照片存储在 NAS 上，又没有提供很好的图文检索功能，于是在自研的一个项目中想着集成图文检索功能。我是码力欧 https://noge.top ，如果你也有类似的需要，欢迎交流使用经验。