# PaddleOCR车牌识别 ## 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 ## 模型结构 det：

rec：

## 算法原理百度PaddleOCR开源项目提供了车牌识别的预训练模型，本示例使用PaddleOCR提供的蓝绿黄牌识别模型进行推理。其中，DBnet是一种基于分割的文本检测方法，相比传统分割方法需要设定固定阈值，该模型将二值化操作插入到分割网络中进行联合优化，通过网络学习可以自适应的预测图像中每一个像素点的阈值，能够在像素水平很好的检测自然场景下不同形状的文字。SVTR是一种端到端的文本识别模型，通过单个视觉模型就可以一站式解决特征提取和文本转录两个任务，同时也保证了更快的推理速度。 ## 环境配置 ### Docker 拉取镜像： ``` docker pull sugonhub/migraphx:3.2.1-centos7.6-dtk-23.04.1-py38 ``` 创建并启动容器： ``` docker run --shm-size 16g --network=host --name=paddleocr_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/paddleocr_migraphx:/home/paddleocr_migraphx -it /bin/bash # 激活dtk source /opt/dtk/env.sh ``` ## 数据集根据输入的样本图像，进行车牌识别。 ## 推理 ### Python版本推理下面介绍如何运行Python代码示例，Python示例的详细说明见Doc目录下的Tutorial_Python.md。 #### 设置环境变量 ``` export PYTHONPATH=/opt/dtk/lib:$PYTHONPATH ``` #### 运行示例 ``` # 进入python示例目录 cd /Python # 安装依赖 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple # 运行示例 python PaddleOCR_infer_migraphx.py ``` ### C++版本推理下面介绍如何运行C++代码示例，C++示例的详细说明见Doc目录下的Tutorial_Cpp.md。 #### 构建工程 ``` rbuild build -d depend ``` #### 设置环境变量将依赖库依赖加入环境变量LD_LIBRARY_PATH，在~/.bashrc中添加如下语句： ``` export LD_LIBRARY_PATH=/depend/lib64/:$LD_LIBRARY_PATH ``` 然后执行: ``` source ~/.bashrc ``` #### 运行示例成功编译PaddleOCR车牌识别工程后，执行如下命令运行该示例： ``` # 进入paddleocr migraphx工程根目录 cd # 进入build目录 cd ./build/ # 运行示例 ./PaddleOCR_VLPR ``` ## result #### Python版本输入样本图像，进行车牌识别：

``` 皖AD19906 ``` #### C++版本输入样本图像，进行车牌识别：

``` 皖AD19906 ``` ## 应用场景 ### 算法类别 `ocr` ### 热点应用行业 `工业制造`、`金融`、`交通`、`教育`、`医疗` ## 源码仓库及问题反馈 https://developer.hpccube.com/codes/modelzoo/paddleocr_migraphx ## 参考 https://github.com/PaddlePaddle/PaddleOCR