廊坊哪里有制作手机网站的,企业网站建设费用财务处理,十大wordpress主题,采集文章留在网站OCR#xff0c;即光学字符识别#xff08;Optical Character Recognition#xff09;#xff0c;是一种将图像中的文字转换为机器编码文字的技术。这种技术可以识别和转换各种来源的文本#xff0c;包括扫描文档、照片中的文字、手写笔记等。光学字符识别#xff08;OCR即光学字符识别Optical Character Recognition是一种将图像中的文字转换为机器编码文字的技术。这种技术可以识别和转换各种来源的文本包括扫描文档、照片中的文字、手写笔记等。光学字符识别OCR技术在实际应用场景中的作用是多方面的。首先OCR技术在文档数字化方面扮演着关键角色。通过将纸质文档转换为电子格式如PDF或Word文档OCR不仅促进了信息的保存和共享也极大地提高了数据检索的效率。这一过程对于历史档案的保存尤为重要同时也在日常办公环境中普遍应用。其次OCR技术在自动数据录入领域的应用显著提高了工作效率。企业和机构通过OCR技术自动读取和录入发票、表格等文档中的数据大大减少了手动输入的时间和错误率。这种应用在金融、医疗、法律等行业中尤为重要其中数据的准确性对业务流程至关重要。此外OCR技术在辅助视障人士阅读方面也发挥着重要作用。通过将书籍和其他印刷材料转换成电子文本OCR技术使得这些内容可以通过语音合成软件朗读从而提高了视障人士的信息获取能力和生活质量。还有OCR技术在交通和城市管理中也有广泛应用。例如在交通领域OCR可用于自动车牌识别从而支持交通监控和管理系统。在城市管理方面OCR可用于识别和处理公共空间中的各种标识和指示牌。
PPOCR 服务化部署
PaddleOCR提供2种服务部署方式
基于PaddleHub Serving的部署代码路径为./deploy/hubserving使用方法参考文档基于PaddleServing的部署代码路径为./deploy/pdserving按照本教程使用。
基于PaddleServing的服务部署
本文档将介绍如何使用PaddleServing 工具部署PP-OCR动态图模型的pipeline在线服务。
相比较于hubserving部署PaddleServing具备以下优点
支持客户端和服务端之间高并发和高效通信支持 工业级的服务能力 例如模型管理在线加载在线A/B测试等支持 多种编程语言 开发客户端例如C, Python和Java
PaddleServing 支持多种语言部署本例中提供了python pipeline 和 C 两种部署方式两者的对比如下
语言速度二次开发是否需要编译C很快略有难度单模型预测无需编译多模型串联需要编译python一般容易单模型/多模型 均无需编译
更多有关PaddleServing服务化部署框架介绍和使用教程参考文档。 一、安装paddle
1.创建沙盒环境并激活。
conda create --name paddle_env python3.8 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda activate paddle_env2.安装paddle和paddleocr。
pip install paddlepaddle -i https://mirror.baidu.com/pypi/simplepip install paddleocr2.0.1
3.测试
paddleocr --image_dir ./test/1.jpg --use_angle_cls true二、服务化部署
下载项目
https://github.com/PaddlePaddle/PaddleOCR
cd PaddleOCR
pip install -r requirements.txt
cd /deploy/pdserving 安装serving用于启动服务。我的cuda版本是12.0。
参考
https://github.com/PaddlePaddle/Serving/blob/v0.8.3/doc/Latest_Packages_CN.md
选择自己合适的。
# 安装serving用于启动服务
wget https://paddle-serving.bj.bcebos.com/test-dev/whl/paddle_serving_server_gpu-0.8.3.post112-py3-none-any.whl
pip install paddle_serving_server_gpu-0.8.3.post112-py3-none-any.whl
# 安装client用于向服务发送请求
# 注意一定要与自己python的版本一致我用的python版本是3.8我下载的包就是cp38
wget https://paddle-serving.bj.bcebos.com/test-dev/whl/paddle_serving_client-0.8.3-cp38-none-any.whl
pip install paddle_serving_client-0.8.3-cp38-none-any.whl# 安装serving-app
wget https://paddle-serving.bj.bcebos.com/test-dev/whl/paddle_serving_app-0.8.3-py3-none-any.whl
pip install paddle_serving_app-0.8.3-py3-none-any.whl# 下载并解压 OCR 文本检测模型,下载不下来或者没有wget命令就手动上传再解压
wget https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_det_infer.tar -O ch_PP-OCRv3_det_infer.tar tar -xf ch_PP-OCRv3_det_infer.tar# 下载并解压 OCR 文本检测模型,下载不下来或者没有wget命令就手动上传再解压
wget https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_rec_infer.tar -O ch_PP-OCRv3_rec_infer.tar tar -xf ch_PP-OCRv3_rec_infer.tar重新安装paddle版本不安装后面的步骤会报错。
pip install paddlepaddle2.4.0# 转换检测模型
python -m paddle_serving_client.convert --dirname ./ch_PP-OCRv3_det_infer/ --model_filename inference.pdmodel --params_filename inference.pdiparams --serving_server ./ppocr_det_v3_serving/ --serving_client ./ppocr_det_v3_client/python -m paddle_serving_client.convert --dirname ./ch_PP-OCRv3_rec_infer/ --model_filename inference.pdmodel --params_filename inference.pdiparams --serving_server ./ppocr_rec_v3_serving/ --serving_client ./ppocr_rec_v3_client/
操作完之后会生成如下四个文件 后台程序运行
# 运行日志保存在log.txt
python web_service.py --configconfig.yml /home/log.txt
三、服务测试
1.后台测试服务器上测试
# 测试 该命令会检测/home/PaddleOCR/doc/imgs下所有图片进行文字识别
python pipeline_http_client.py 2.http接口测试本地访问服务器测试
2.1.python代码测试
注意xxxx改成你自己服务器的ip import requests
import base64
import cv2
import jsonurl http://xxxxxxxx:9998/ocr/prediction
img_file test/1.jpgdef get_ocr_resultby_http(image)::param image: :return:success,encoded_image cv2.imencode(.jpg,image)#转成二进制#将数组转为bytesbyte_data encoded_image.tobytes()base64_image base64.b64encode(byte_data).decode(utf8)data {key: [image], value: [base64_image]}response requests.post(urlurl,datajson.dumps(data))ocr_result eval(response.json()[value][0])ocr_result [[x[1],x[0]] for x in ocr_result]print(ocr_result)return ocr_resultimage cv2.imread(img_file)
get_ocr_resultby_http(image )2.2. postman访问测试
1.打开postman。
2.使用 POST 请求。 3.在 Body 中以正确的格式发送数据
4.选择 raw 并选择 JSON。 JSON 应该如下所示
{key: [image],value: [Base64编码的图像]
} Base64 编码注意事项
确保在将图像转换为 Base64 编码时不包含任何前缀如 data:image/jpeg;base64,。使用纯粹的 Base64 字符串。
