# PaddleOCR_paddle
## 论文
PaddleOCR通过det、rec、cls三个模型分别实现字符检测、字符识别和字符方向分类的应用

det模型主要用DB算法，参考论文如下：

https://arxiv.org/pdf/1911.08947.pdf

rec模型主要用SVTR算法，参考论文如下：

https://arxiv.org/pdf/2205.00159.pdf

cls模型用mobilenetv3实现通用分类，参考论文如下：

https://arxiv.org/pdf/1905.02244.pdf

## 模型结构
定位模型：
<div align=center>
    <img src="./configs/det/dbnet-arc.png"/>
</div>

识别模型:
<div align=center>
    <img src="./configs/rec/SVTR-arc.png"/>
</div>

分类模型：
<div align=center>
    <img src="./configs/cls/mobilenetv3-arc.png"/>
</div>

## 算法原理

<div align=center>
    <img src="./configs/ocr.png"/>
</div>

## 环境配置
在[光源](https://sourcefind.cn/#/main-page)可拉取训练以及推理的docker镜像，在[光合开发者社区](https://cancon.hpccube.com:65024/4/main/)可下载paddle、onnxruntime安装包。PaddleOCR推荐的镜像如下：

```bash
docker pull image.sourcefind.cn:5000/dcu/admin/base/paddlepaddle:2.5.2-ubuntu20.04-dtk24.04.1-py3.8
docker run -d -t --privileged --device=/dev/kfd --device=/dev/dri/ --shm-size 64g --network=host -v `pwd`:/挂在目录 -v /opt/hyhal:/opt/hyhal:ro --group-add video --name paddleocr-test image.sourcefind.cn:5000/dcu/admin/base/paddlepaddle:2.5.2-ubuntu20.04-dtk24.04.1-py3.8

docker exec -it paddleocr-test bash

pip3 install -r requirements.txt
pip3 install onnxruntime-1.15.0+das1.1.git739f24d.abi1.dtk2404-cp38-cp38-manylinux_2_31_x86_64.whl
pip3 install numpy==1.23.4

wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/pretrained/MobileNetV3_large_x0_5_pretrained.pdparams
wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/PP-OCRv3/english/en_PP-OCRv3_rec_train.tar
```

## 数据集
推荐使用icdar2015数据集[icdar2015](https://rrc.cvc.uab.es/?ch=4&com=downloads)。

### 检测模型数据集
label数据准备有以下两个方法，二选一即可
```bash
cd train_data/icdar2015/text_localization/

# 方法一：label数据下载
wget -P ./train_data/  https://paddleocr.bj.bcebos.com/dataset/train_icdar2015_label.txt
wget -P ./train_data/  https://paddleocr.bj.bcebos.com/dataset/test_icdar2015_label.txt
# 方法二：将官网下载的标签文件转换为 train_icdar2015_label.txt、test_icdar2015_label.txt
python ppocr/utils/gen_label.py --mode="det" --root_path="/path/to/ch4_training_images/"  \
                    --input_path="/path/to/ch4_training_localization_transcription_gt" \
                    --output_label="train_data/icdar2015/text_localization/train_icdar2015_label.txt"
python ppocr/utils/gen_label.py --mode="det" --root_path="/path/to/ch4_test_images/"  \
                    --input_path="/path/to/Challenge4_Test_Task1_GT" \
                    --output_label="train_data/icdar2015/text_localization/test_icdar2015_label.txt"
```
准备完成的数据目录结构如下:
```
|-train_data/icdar2015/text_localization/
  |- ch4_training_images/         Training data of icdar dataset
  |- ch4_test_images/             Testing data of icdar dataset
  └─ train_icdar2015_label.txt    Training annotation of icdar dataset
  └─ test_icdar2015_label.txt     Test annotation of icdar dataset
```

### 识别模型数据集
label数据准备有以下两个方法，二选一即可
```bash
cd train_data/rec
# 方法一：label数据下载
# 训练集标签
wget -P ./train_data/rec  https://paddleocr.bj.bcebos.com/dataset/rec_gt_train.txt
# 测试集标签
wget -P ./train_data/rec  https://paddleocr.bj.bcebos.com/dataset/rec_gt_test.txt

# 方法二：将官网下载的标签文件转换为 rec_gt_train.txt、rec_gt_test.txt
python ppocr/utils/gen_label.py --mode="rec" --input_path="{path/of/train/label}" --output_label="rec_gt_train.txt"
python ppocr/utils/gen_label.py --mode="rec" --input_path="{path/of/test/label}" --output_label="rec_gt_test.txt"
```
准备完成的数据目录结构如下:
```
|-train_data
  |-rec
    |- rec_gt_train.txt
    |- train
        |- word_001.png
        |- word_002.jpg
        |- word_003.jpg
        | ...
    |- rec_gt_test.txt
    |- test
        |- word_001.jpg
        |- word_002.jpg
        |- word_003.jpg
        | ...
```

## 训练
> 数据路径请根据实际准备数据路径修改`config`下的`yml`文件

### 检测模型
```
python3 -m paddle.distributed.launch --gpus '0,1,2,3'  tools/train.py -c configs/det/det_mv3_db.yml -o Global.pretrained_model=./pretrain_models/MobileNetV3_large_x0_5_pretrained
```

### 识别模型
```
python3 -m paddle.distributed.launch --gpus '0,1,2,3'  tools/train.py -c configs/rec/PP-OCRv3/en_PP-OCRv3_rec.yml -o Global.pretrained_model=./pretrain_models/en_PP-OCRv3_rec_train/best_accuracy
```

### 测试
#### 检测模型
- Paddle
```
python3 -m paddle.distributed.launch --gpus '0,1,2,3'  tools/eval.py -c configs/det/det_mv3_db.yml -o Global.pretrained_model=./output/db_mv3/best_accuracy.pdparams
```

- ort
```
python3 -m paddle.distributed.launch --gpus '0,1,2,3'  tools/eval.py -c configs/det/det_mv3_db.yml -o Global.pretrained_model=./ch_PP-OCRv3_det_infer/ch_PP-OCRv3_det.onnx --use_onnx=true
```

#### 识别模型
- Paddle
```
python3 -m paddle.distributed.launch --gpus '0,1,2,3'  tools/eval.py -c configs/rec/PP-OCRv3/en_PP-OCRv3_rec.yml -o Global.pretrained_model=./output/v3_en_mobile/best_accuracy.pdparams
```
- ort
```
python3 -m paddle.distributed.launch --gpus '0,1,2,3'  tools/eval.py -c configs/rec/PP-OCRv3/ch_PP-OCRv3_rec.yml -o Global.pretrained_model=./ch_PP-OCRv3_rec_infer/ch_PP-OCRv3_rec.onnx --use_onnx=true
```

## 推理
### paddle
```bash
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/" --det_model_dir="./ch_PP-OCRv3_det_infer/" --cls_model_dir="./ch_ppocr_mobile_v2.0_cls_infer/" --rec_model_dir="./ch_PP-OCRv3_rec_infer/" --use_angle_cls=true --rec_image_shape=3,48,320 --warmup=1
```

### ort
```bash
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/" --det_model_dir="./ch_PP-OCRv3_det_infer/ch_PP-OCRv3_det.onnx" --cls_model_dir="./ch_ppocr_mobile_v2.0_cls_infer/ch_ppocr_mobile_v2.0_cls_infer.onnx" --rec_model_dir="./ch_PP-OCRv3_rec_infer/ch_PP-OCRv3_rec.onnx" --use_onnx=true --use_angle_cls=true --rec_image_shape=3,48,320 --warmup=1
```

## result
<div align=center>
    <img src="./inference_results/08.jpg"/>
</div>

### 精度
#### paddle
- 检测模型测试
| Model | Precision | Recall |
| :------: | :------: |:------: |
| det | 0.7054 | 0.7193  |

- 识别模型测试
| Model | Acc |
| :------: | :------: |
| rec | 0.6490 |

#### ort
- 检测模型测试
| Model | Precision | Recall |
| :------: | :------: |:------: |
| det | 0.5097 | 0.4068  |

- 识别模型测试
| Model | Acc |
| :------: | :------: |
| rec | 0.6076 |

## 应用场景
### 算法类别
OCR

### 热点应用行业
`制造,金融,交通,教育,医疗`

## 源码仓库及问题反馈
- https://developer.sourcefind.cn/codes/modelzoo/paddleocr

## 参考资料
- https://github.com/PaddlePaddle/PaddleOCR