Skip to content

GitLab

"tools/vscode:/vscode.git/clone" did not exist on "e1458ec8e36190766c42dab4912a8e97b6ee5097"
Commit 417a4ca0 authored by liuhy's avatar liuhy
Browse files

1、新增warm up功能 2、新增图片叠加OCR字符功能

parent 369751c2
Expand all Hide whitespace changes
Inline Side-by-side
Showing with 584 additions and 834 deletions
CMakeLists.txt
View file @ 417a4ca0
...@@ -10,6 +10,7 @@ set(CMAKE_CXX_FLAGS ${CMAKE_CXX_FLAGS} -std=c++17) ...@@ -10,6 +10,7 @@ set(CMAKE_CXX_FLAGS ${CMAKE_CXX_FLAGS} -std=c++17)
set(CMAKE_BUILD_TYPE release) set(CMAKE_BUILD_TYPE release)
set(INCLUDE_PATH ${CMAKE_CURRENT_SOURCE_DIR}/Src/ set(INCLUDE_PATH ${CMAKE_CURRENT_SOURCE_DIR}/Src/
/usr/include/freetype2
$ENV{DTKROOT}/include/ $ENV{DTKROOT}/include/
${CMAKE_CURRENT_SOURCE_DIR}/Src/Utility ${CMAKE_CURRENT_SOURCE_DIR}/Src/Utility
${CMAKE_CURRENT_SOURCE_DIR}/3rdParty/opencv/include) ${CMAKE_CURRENT_SOURCE_DIR}/3rdParty/opencv/include)
...@@ -17,6 +18,7 @@ include_directories(${INCLUDE_PATH}) ...@@ -17,6 +18,7 @@ include_directories(${INCLUDE_PATH})
# 添加依赖库路径 # 添加依赖库路径
set(LIBRARY_PATH ${CMAKE_CURRENT_SOURCE_DIR}/3rdParty/opencv/lib set(LIBRARY_PATH ${CMAKE_CURRENT_SOURCE_DIR}/3rdParty/opencv/lib
/usr/lib/x86_64-linux-gnu
$ENV{DTKROOT}/lib/) $ENV{DTKROOT}/lib/)
link_directories(${LIBRARY_PATH}) link_directories(${LIBRARY_PATH})
...@@ -24,6 +26,7 @@ link_directories(${LIBRARY_PATH}) ...@@ -24,6 +26,7 @@ link_directories(${LIBRARY_PATH})
set(LIBRARY opencv_core set(LIBRARY opencv_core
opencv_imgproc opencv_imgproc
opencv_imgcodecs opencv_imgcodecs
freetype
opencv_dnn opencv_dnn
migraphx migraphx
migraphx_gpu migraphx_gpu
...@@ -36,6 +39,7 @@ link_libraries(${LIBRARY}) ...@@ -36,6 +39,7 @@ link_libraries(${LIBRARY})
set(SOURCE_FILES ${CMAKE_CURRENT_SOURCE_DIR}/Src/main.cpp set(SOURCE_FILES ${CMAKE_CURRENT_SOURCE_DIR}/Src/main.cpp
${CMAKE_CURRENT_SOURCE_DIR}/Src/Utility/Filesystem.cpp ${CMAKE_CURRENT_SOURCE_DIR}/Src/Utility/Filesystem.cpp
${CMAKE_CURRENT_SOURCE_DIR}/Src/Utility/clipper.cpp ${CMAKE_CURRENT_SOURCE_DIR}/Src/Utility/clipper.cpp
${CMAKE_CURRENT_SOURCE_DIR}/Src/Utility/cv_put_Text.cpp
${CMAKE_CURRENT_SOURCE_DIR}/Src/ocr_engine.cpp) ${CMAKE_CURRENT_SOURCE_DIR}/Src/ocr_engine.cpp)
# 添加可执行目标 # 添加可执行目标
......
Doc/Images/CRNN.png
View replaced file @ 369751c2 View file @ 417a4ca0
Doc/Images/CRNN.png

112 KB | W: | H:

Doc/Images/CRNN.png

96.4 KB | W: | H:

Doc/Images/CRNN.png
Doc/Images/CRNN.png
Doc/Images/CRNN.png
Doc/Images/CRNN.png
  • 2-up
  • Swipe
  • Onion skin
Doc/Images/DBNet.png
View replaced file @ 369751c2 View file @ 417a4ca0
Doc/Images/DBNet.png

597 KB | W: | H:

Doc/Images/DBNet.png

311 KB | W: | H:

Doc/Images/DBNet.png
Doc/Images/DBNet.png
Doc/Images/DBNet.png
Doc/Images/DBNet.png
  • 2-up
  • Swipe
  • Onion skin
Doc/Tutorial_Cpp.md
View file @ 417a4ca0
...@@ -4,11 +4,15 @@ PP-OCRv5 是PP-OCR新一代文字识别解决方案，该方案聚焦于多场 ...@@ -4,11 +4,15 @@ PP-OCRv5 是PP-OCR新一代文字识别解决方案，该方案聚焦于多场
## 模型简介 ## 模型简介
### 文本检测 ### 文本检测
文本检测使用了dbnet(论文地址：https://arxiv.org/pdf/1911.08947),网络结构:![alt text](Images/DBNet.png),模型输出概率图，并用Vatti Clipping算法对字符区域多边形简化处理，sample中借助Clipping 库。 sample中使用动态shape（N,3,H,C）,最大输入shape是[1,3,640,640],模型地址：Resource/Models/ppocrv5_server_det_infer.onnx 文本检测使用了dbnet( 论文地址：https://arxiv.org/pdf/1911.08947 ),网络结构:
![alt text](Images/DBNet.png)
模型输出概率图，并用Vatti Clipping算法对字符区域多边形简化处理，sample中借助Clipping 库。 sample模型输入shape为[1,3,640,640],模型路径：Resource/Models/ppocrv5_server_det_infer.onnx
### 文本识别 ### 文本识别
文本识别使用了CRNN+CTCDecode(https://arxiv.org/pdf/2009.09941)，网络结构：![alt text](Images/CRNN.png)，sample中使用了动态shape (N,3,48,W),最大输入shape是[1,3,48,720],模型地址：Resource/Models/ppocrv5_server_rec_infer.onnx 文本识别使用了CRNN+CTCDecode( https://arxiv.org/pdf/2009.09941 )，网络结构：
![(Images/CRNN.png)](Images/CRNN.png)
sample中模型输入shape为[1,3,48,720],模型路径：Resource/Models/ppocrv5_server_rec_infer.onnx
## 预处理 ## 预处理
### 检测模型预处理 ### 检测模型预处理
检测模型输入数据预处理： 检测模型输入数据预处理：
...@@ -110,7 +114,7 @@ class ppOcrEngine { ...@@ -110,7 +114,7 @@ class ppOcrEngine {
const float segm_thres=0.3, const float segm_thres=0.3,
const float box_thresh=0.7, const float box_thresh=0.7,
bool offload_copy =true, bool offload_copy =true,
std::string precision_mode = "fp32") ; std::string precision_mode = "fp16") ;
/** /**
* @brief OCR engine初始化 * @brief OCR engine初始化
* @param det_model_path 字符检测模型路径 * @param det_model_path 字符检测模型路径
...@@ -119,7 +123,7 @@ class ppOcrEngine { ...@@ -119,7 +123,7 @@ class ppOcrEngine {
* @param segm_thres 像素分割阈值 * @param segm_thres 像素分割阈值
* @param box_thresh 字符区域box阈值 * @param box_thresh 字符区域box阈值
* @param offload_copy 内存拷贝存模式， 支持两种数据拷贝方式：*offload_copy=true、offload_copy=false。当offload_copy为true时，不需*要进行内存拷贝，如果为false，需要先预分配输入输出的设备内存，并在推理* *前，将预处理数据拷贝到设备内存，推理后将模型输出从设备内存中拷贝出来 * @param offload_copy 内存拷贝存模式， 支持两种数据拷贝方式：*offload_copy=true、offload_copy=false。当offload_copy为true时，不需*要进行内存拷贝，如果为false，需要先预分配输入输出的设备内存，并在推理* *前，将预处理数据拷贝到设备内存，推理后将模型输出从设备内存中拷贝出来
* @param precision_mode 精度模式，支持：fp32、fp16 * @param precision_mode 精度模式，支持：fp32、fp16，默认支持fp16
* *
* @return NONE * @return NONE
*/ */
...@@ -130,36 +134,11 @@ class ppOcrEngine { ...@@ -130,36 +134,11 @@ class ppOcrEngine {
class CTCDecode class CTCDecode
{ {
private: private:
//inference image ...
float* data;
std::unordered_map<std::string, migraphx::argument> device_data;
migraphx::program net;
int batch_size;
int net_input_width;
int net_input_height;
int net_input_channel;
bool offload_copy;
std::string precision_mode;
std::unordered_map<std::string, migraphx::argument> dev_argument;
void* input_buffer_device;
void* output_buffer_device;
void* output_buffer_host;
migraphx::shape input_shape;
migraphx::shape output_shape;
std::string input_name;
std::string output_name;
//postprocess: n_channel->model output channel,feature_size--> feature size one channel
int n_channel;
int feature_size;
std::vector<std::string> k_words;
public: public:
CTCDecode(std::string rec_model_path, CTCDecode(std::string rec_model_path,
std::string precision_mode="fp32", std::string precision_mode="fp16",
int image_width=480, int image_width=480,
int image_height=48, int image_height=48,
int channel=3, int channel=3,
...@@ -169,73 +148,21 @@ class ppOcrEngine { ...@@ -169,73 +148,21 @@ class ppOcrEngine {
~CTCDecode(); ~CTCDecode();
/** /**
* @brief 字符识别编码，可支持，最长可支持预测90个字符，18385个字符 * @brief 字符识别、编码API 字符识别编码，可支持，最长可支持预测90个字符，18385个字符
* @param img 输入图片
* @return 编码后的字符串
*/ */
std::string forward(cv::Mat& img); std::string forward(cv::Mat& img);
private: private:
/** ...
* @brief 预处理
* pixel = (src_img*scale-0.5)/0.5;
* scale = 1.0/255
* @param img 字符图片
* @param data 预处理输出
* @param img_w 模型输入宽
* @param img_h 模型输入高
* @return 成功：true,失败：false
*/
bool preproc(cv::Mat img,float* data,int img_w=480,int img_h=48);
/**
* @brief 模型预测后处理，获取每行中概率最大的字符，组成一句长度最大为90个字符的句子，模型预测输出shape=[1,90,18385]
* @param feature model output
* @return 成功：text,失败：""
*/
std::string postprocess(float* feature);
/**
* @brief 解码，将模型预测输出与字符集关联起来
* @param probs 模型预测的最大概率
* @param indexs 模型预测的最大概率的索引值
* @param mean_prob 预测句子的平均概率
* @return 成功：text,失败：""
*/
std::string decode(std::vector<float>& probs,std::vector<int>& indexs,float& mean_prob);
}; };
class OcrDet class OcrDet
{ {
private: private:
std::string precision_mode; ...
bool offload_copy;
migraphx::program net;
migraphx::shape input_shape;
migraphx::shape output_shape;
std::string input_name;
std::string output_name;
int det_batch_size;
int data_size ;
float segm_thres;
float box_thres;
int net_input_width;
int net_input_height;
int net_input_channel;
float* data;
//Allocate device buffer and host buffer,if offload_copy is false
std::unordered_map<std::string, migraphx::argument> dev_argument;
void* input_buffer_device;
void* output_buffer_device;
void* output_buffer_host;
//postprocess
int n_channel;
int feature_size; //single channel feature map size.
int output_width;
int output_height;
int max_candidates;//maximun number of candidates contours.
public: public:
OcrDet(std::string det_model_path, OcrDet(std::string det_model_path,
...@@ -244,113 +171,19 @@ class ppOcrEngine { ...@@ -244,113 +171,19 @@ class ppOcrEngine {
float segm_thres = 0.3, float segm_thres = 0.3,
float box_thresh = 0.7); float box_thresh = 0.7);
~OcrDet(); ~OcrDet();
bool forward(cv::Mat& img,std::vector<std::vector<std::vector<int>>>& text_roi_boxes);
private:
/**
* @brief 预处理
* pixel = (scale*src_img*mean/std);
* scale = 1.0/255
* mean = [0.485, 0.456, 0.406]
* std = [0.229, 0.224, 0.225]
* @param img 字符图片
* @param data 预处理输出
* @return 成功：w,h维度的缩放比例
*/
cv::Size preproc(cv::Mat img,float* data);
/**
* @brief 后处理，通过模型预测的二值图获取文本区域
* @param feature 模型预测tensor（这里字符检测使用了dbnet）
* @param boxes 字符区域坐标
* @return 成功：0,失败：-1
*/
int postprocess(float* feature, std::vector<std::vector<std::vector<int>>> &boxes);
int boxes_from_bitmap(cv::Mat& bit_map,std::vector<T_BOX>& box);
std::vector<std::vector<std::vector<int>>>boxes_from_bitmap(
const cv::Mat pred, const cv::Mat bitmap, const float &box_thresh,
const float &det_db_unclip_ratio, const bool &use_polygon_score);
std::vector<std::vector<float>> Mat2Vector(cv::Mat mat);
/**
* @brief 统计多边形区域的平均得分
* @param contour 字符区域的轮廓点集合
* @param pred 模型预测二值图
* @return score
*/
float polygon_score_acc(std::vector<cv::Point> contour,cv::Mat pred);
/**
* @brief 对模型预测的区域进行向内或向外扩散，扩散比例是unclip_ratio ，目的是找到更加合适的字符区域
* @param box 字符区域坐标
* @param pred 模型预测二值图
* @return 处理后的字符区域
*/
cv::RotatedRect unClip(std::vector<std::vector<float>> box,
const float &unclip_ratio);
/**
* @brief 计算偏移距离
* distance = area * unclip_ratio / dist;
* area = ∑(x_i*y_{i+1} - x_{i+1}*y_i)
* dist = sqrtf(dx * dx + dy * dy)
*
* @param box 字符区域坐标
* @param unclip_ratio 缩放比例
* @param distance 偏移距离
* @return NONE
*/
void get_contour_area(const std::vector<std::vector<float>> &box,
float unclip_ratio, float &distance) ;
/**
* @brief 无效字符区域过滤。首先将boxes映射回原始图像，然后过滤无效区域
* @param boxes 字符区域坐标
* @param ratio_h 垂直方向缩放比例
* @param ratio_w 水平方向缩放比例
* @param srcimg 原始图像
*
* @return 字符区域有效坐标
*/
std::vector<std::vector<std::vector<int>>> filter_det_res(std::vector<std::vector<std::vector<int>>> boxes,
float ratio_h, float ratio_w, cv::Mat srcimg);
/** /**
* @brief 对字符区域按照从上到下，从左到右的顺序排序 * @brief 字符检测模型推理API
* @param pts 字符区域坐标 * @param img 原始图片
* * @param text_roi_boxes 字符区域坐标，格式：[[[tl.x, tl.y], [tr.x, tr.y],[], [br.x, br.y], [bl.x, bl.y]]]]
* @return 字符区域有效坐标 * | | | |
*/ * 左上坐标 右上坐标 右下坐标 左下坐标
std::vector<std::vector<int>> order_points_clockwise(std::vector<std::vector<int>> pts); * @return 成功返回true，失败返回false
/**
* @brief 获取最小矩形坐标
* @param box 字符区域最小外接矩形的坐标
* @param ssid box的最大边
* @return 字符区域有效坐标
*/ */
std::vector<std::vector<float>> get_mini_boxes(cv::RotatedRect box,float &ssid) ; bool forward(cv::Mat& img,std::vector<std::vector<std::vector<int>>>& text_roi_boxes);
/**
* @brief 计算bitmap上的t_rect区域的平均分数
* @param box_array 模型预测的字符区域
* @param pred 模型预测二值图
* @return score
*/
float box_score_fast(std::vector<std::vector<float>> box_array,cv::Mat pred) ;
void visualize_boxes(const cv::Mat &srcimg,
const std::vector<std::vector<std::vector<int>>> &boxes) ;
bool text_recognition(const cv::Mat &srcimg, private:
const std::vector<std::vector<std::vector<int>>> &boxes); ...
}; };
...@@ -358,119 +191,84 @@ class ppOcrEngine { ...@@ -358,119 +191,84 @@ class ppOcrEngine {
## 推理 ## 推理
### 字符检测模型推理 - 字符检测
- 字符识别、解码
- 字符框可视化
- OCR结果可视化
```c++ ```c++
bool OcrDet::forward(cv::Mat& img,std::vector<std::vector<std::vector<int>>>& text_roi_boxes) std::vector<std::string> ppOcrEngine::forward(cv::Mat &srcimg){
{ std::vector<std::vector<std::vector<int>>> text_roi_boxes;
std::vector<std::vector<std::vector<int>>> boxes;
//输入数据预处理 std::vector<std::string> text_vec;
cv::Size ratio = preproc(img,data); auto start = std::chrono::high_resolution_clock::now();
/* //字符区域检测
支持两种数据拷贝方式：offload_copy=true、offload_copy=false。当offload_copy为true时，不需要进行内存拷贝，如果为false，需要先预分配输入输出的设备内存，并在推理前，将预处理数据拷贝到设备内存，推理后将模型输出从设备内存中拷贝出来，在做后处理。 text_detector->forward(srcimg,text_roi_boxes);
*/ if(text_roi_boxes.size() == 0)
if( this->offload_copy ==false )
{ {
hipMemcpy(input_buffer_device, std::cout<<"Not found text roi !\n";
(void*)data, return std::vector<std::string>();
this->input_shape.bytes(),
hipMemcpyHostToDevice);
std::vector<migraphx::argument> results = net.eval(dev_argument);
hipMemcpy(output_buffer_host,
(void*)output_buffer_device,
output_shape.bytes(),
hipMemcpyDeviceToHost);
postprocess((float *)output_buffer_host,boxes);
std::cout<<"copy mode ..."<<std::endl;
}else{
std::unordered_map<std::string, migraphx::argument> inputData;
inputData[input_name] = migraphx::argument{input_shape, (float *)data};
std::vector<migraphx::argument> results = net.eval(inputData);
migraphx::argument result = results[0] ; //get output data
postprocess((float *)result.data(),boxes);
std::cout<<"offload copy mode ..."<<std::endl;
} }
//计算等比缩放比例 std::vector<cv::Point> points;
float ratio_w = float(net_input_width) / float(img.cols); //字符识别+编码
float ratio_h = float(net_input_height) / float(img.rows); for (int n = 0; n < text_roi_boxes.size(); n++) {
//过滤无效框
text_roi_boxes = filter_det_res(boxes, ratio_h, ratio_w, img); cv::Rect rect;
//可视化检测结果 cv::Mat text_roi_mat;
visualize_boxes(img,text_roi_boxes); rect.x = text_roi_boxes[n][0][0];
// TextRecognition(img,boxes); rect.y = text_roi_boxes[n][0][1];
return true; rect.width = text_roi_boxes[n][2][0] - text_roi_boxes[n][0][0];
} rect.height = text_roi_boxes[n][2][1] - text_roi_boxes[n][0][1];
if(rect.width <3 || rect.height<3)
{
``` continue;
### 字符识别推理 }
```c++ text_roi_mat = srcimg(rect).clone();
std::string CTCDecode::forward(cv::Mat& img)
{
//预处理
preproc(img,data,net_input_width,net_input_height);
/*
支持两种数据拷贝方式：offload_copy=true、offload_copy=false。当offload_copy为true时，不需要进行内存拷贝，如果为false，需要先预分配输入输出的设备内存，并在推理前，将预处理数据拷贝到设备内存，推理后将模型输出从设备内存中拷贝出来，在做后处理。
*/
if( this->offload_copy ==false ) std::string text = text_recognizer->forward(text_roi_mat);
{ text_vec.push_back(text);
hipMemcpy(input_buffer_device, points.push_back(cv::Point(rect.x,rect.y));
(void*)data, }
this->input_shape.bytes(), auto end = std::chrono::high_resolution_clock::now();
hipMemcpyHostToDevice); auto duration_ms = std::chrono::duration_cast<std::chrono::milliseconds>(end - start);
std::cout<<"[Time info] elapsed: "<< duration_ms.count() <<" ms\n";
//字符框可视化
visualize_boxes(srcimg,text_roi_boxes);
//OCR可视化
cv::Mat res_img = visualize_text(text_vec,points, srcimg);
...
}
std::vector<migraphx::argument> results = net.eval(dev_argument);
hipMemcpy(output_buffer_host,
(void*)output_buffer_device,
output_shape.bytes(),
hipMemcpyDeviceToHost);
//模型后处理，获取字符的最大概率和索引，并根据索引在字符库中查找对应的字符，然后合成一个句子
std::string text = postprocess((float *)output_buffer_device);
return text;
}else{
std::unordered_map<std::string, migraphx::argument> inputData;
inputData[input_name] = migraphx::argument{input_shape, (float *)data};
std::vector<migraphx::argument> results = net.eval(inputData);
migraphx::argument result = results[0] ;
std::string text = postprocess((float *)result.data());
// std::cout<<"ctc: offload copy mode ..."<<std::endl;
return text;
}
}
``` ```
# Ocrv5 API调用说明 # Ocrv5 API调用说明
API调用步骤如下： API调用步骤如下：
- 类实例化 - 类实例化
- 读取测试图片
- 识别接口调用 - 识别接口调用
例： 例：
```c++ ```c++
int main(int argc, char** argv) int main(int argc, char** argv){
{
std::string det_model_onnx = "../Resource/Models/ppocrv5_server_det_infer.onnx"; std::string det_model_onnx = "../Resource/Models/ppocrv5_server_det_infer.onnx";
std::string rec_model_onnx = "../Resource/Models/ppocrv5_server_rec_infer.onnx"; std::string rec_model_onnx = "../Resource/Models/ppocrv5_server_rec_infer.onnx";
std::string img_path = "../Resource/Images/20250703205038.png"; std::string img_path = "../Resource/Images/demo.png";
std::string character_dict_path = "../Resource/ppocr_keys_v5.txt"; std::string character_dict_path = "../Resource/ppocr_keys_v5.txt";
std::string front = "../Resource/fonts/SimHei.ttf";
float segm_thres=0.3; float segm_thres=0.3;
float box_thresh=0.3; float box_thresh=0.3;
ppOcrEngine ocr_engine(det_model_onnx, ppOcrEngine ocr_engine(det_model_onnx,
rec_model_onnx, rec_model_onnx,
character_dict_path, character_dict_path,
front,
segm_thres, segm_thres,
box_thresh, box_thresh,
true, true,
"fp32"); "fp16");
cv::Mat img=cv::imread(img_path); cv::Mat img=cv::imread(img_path);
ocr_engine.forward(img); ocr_engine.forward(img);
return 0; return 0;
} }
``` ```
sample支持两种精度推理（fp32和fp16），默认是fp32）,精度和内存拷贝方式分别通过ocr_engine的构造函数传入参数来设置。 sample支持两种精度推理（fp32和fp16），默认是fp16）,精度和内存拷贝方式分别通过ocr_engine的构造函数传入参数来设置。
\ No newline at end of file \ No newline at end of file
Doc/Tutorial_Python.md
View file @ 417a4ca0
...@@ -4,10 +4,14 @@ PP-OCRv5 是PP-OCR新一代文字识别解决方案，该方案聚焦于多场 ...@@ -4,10 +4,14 @@ PP-OCRv5 是PP-OCR新一代文字识别解决方案，该方案聚焦于多场
## 模型简介 ## 模型简介
### 文本检测 ### 文本检测
文本检测使用了dbnet(论文地址：https://arxiv.org/pdf/1911.08947),网络结构:![alt text](Images/DBNet.png),模型输出概率图，并用Vatti Clipping算法对字符区域多边形简化处理。 sample中使用动态shape（N,3,H,C）,最大输入shape是[1,3,640,640],模型地址：Resource/Models/ppocrv5_server_det_infer.onnx 文本检测使用了dbnet( 论文地址：https://arxiv.org/pdf/1911.08947 ),网络结构:
![alt text](Images/DBNet.png)
模型输出概率图，并用Vatti Clipping算法对字符区域多边形简化处理，sample中借助Clipping 库。 sample中模型输入shape为[1,3,640,640],模型路径：Resource/Models/ppocrv5_server_det_infer.onnx
### 文本识别 ### 文本识别
文本识别使用了CRNN+CTCDecode(https://arxiv.org/pdf/2009.09941)，网络结构：![alt text](Images/CRNN.png)，sample中使用了动态shape (N,3,48,W),最大输入shape是[1,3,48,720],模型地址：Resource/Models/ppocrv5_server_rec_infer.onnx 文本识别使用了CRNN+CTCDecode( https://arxiv.org/pdf/2009.09941 )，网络结构：
![(Images/CRNN.png)](Images/CRNN.png)
sample中模型输入shape为[1,3,48,720],模型路径：Resource/Models/ppocrv5_server_rec_infer.onnx
## 预处理 ## 预处理
### 检测模型预处理 ### 检测模型预处理
...@@ -80,28 +84,20 @@ def preprocess(self, img, max_wh_ratio): ...@@ -80,28 +84,20 @@ def preprocess(self, img, max_wh_ratio):
imgH, imgW = self.rec_input_size imgH, imgW = self.rec_input_size
max_h,max_w = self.rec_input_size max_h,max_w = self.rec_input_size
h, w = img.shape[:2] h, w = img.shape[:2]
# re_size = (max_w,max_h)
#保留H的原始维度 #保留H的原始维度
if h <= max_h: if h <= max_h:
ratio = max_h / h ratio = max_h / h
w = int(w*ratio) w = int(w*ratio)
if w <= max_w: if w <= max_w:
re_size =(w,max_h) re_size =(w,max_h)
else: else:
re_size = (max_w,max_h) re_size = (max_w,max_h)
else: else:
ratio = max_h/h ratio = max_h/h
w,h = int(w*ratio),max_h w,h = int(w*ratio),max_h
if w <= max_w: if w <= max_w:
re_size = (w,h) re_size = (w,h)
else: else:
re_size = (max_w,h) re_size = (max_w,h)
...@@ -112,12 +108,9 @@ def preprocess(self, img, max_wh_ratio): ...@@ -112,12 +108,9 @@ def preprocess(self, img, max_wh_ratio):
resized_image = resized_image.transpose((2, 0, 1)) / 255 resized_image = resized_image.transpose((2, 0, 1)) / 255
resized_image -= 0.5 resized_image -= 0.5
resized_image /= 0.5 resized_image /= 0.5
#填充，沿着右、下填充 #填充，沿着右、下填充
padding_im = np.zeros((3, imgH, imgW), dtype=np.float32) padding_im = np.zeros((3, imgH, imgW), dtype=np.float32)
padding_im[:, :, 0:re_size[0]] = resized_image padding_im[:, :, 0:re_size[0]] = resized_image
return padding_im return padding_im
``` ```
## 类介绍 ## 类介绍
...@@ -154,7 +147,7 @@ class PPOcrV5(): ...@@ -154,7 +147,7 @@ class PPOcrV5():
**kwargs ：设置字符检测模型后处理相关参数 **kwargs ：设置字符检测模型后处理相关参数
Returns: Returns:
return_type: NONE。 return_type: 无返回值
Examples: Examples:
det_onnx_path = "PATH/TO/det_onnx_model.onnx" det_onnx_path = "PATH/TO/det_onnx_model.onnx"
...@@ -198,7 +191,7 @@ class TextDetector(object): ...@@ -198,7 +191,7 @@ class TextDetector(object):
**kwargs ：设置字符检测模型后处理相关参数 **kwargs ：设置字符检测模型后处理相关参数
Returns: Returns:
return_type: NONE。 return_type: 无返回值。
Examples: Examples:
self.db_detector = TextDetector( self.db_detector = TextDetector(
...@@ -216,7 +209,6 @@ class TextDetector(object): ...@@ -216,7 +209,6 @@ class TextDetector(object):
""" """
class TextRecgnizer(object): class TextRecgnizer(object):
"""Support SVTR_LCNet """
def __init__( def __init__(
self, self,
rec_model_path, rec_model_path,
...@@ -240,7 +232,7 @@ class TextRecgnizer(object): ...@@ -240,7 +232,7 @@ class TextRecgnizer(object):
**kwargs ：设置字符识别模型后处理相关参数 **kwargs ：设置字符识别模型后处理相关参数
Returns: Returns:
return_type: NONE。 return_type: 无返回值。
Examples: Examples:
self.text_extractor = TextRecgnizer(rec_model_path=rec_model_path, self.text_extractor = TextRecgnizer(rec_model_path=rec_model_path,
...@@ -252,18 +244,15 @@ class TextRecgnizer(object): ...@@ -252,18 +244,15 @@ class TextRecgnizer(object):
class BaseRecLabelDecode(object): class BaseRecLabelDecode(object):
def __init__(self, character_dict_path=None, def __init__(self, character_dict_path=None,
use_space_char=False) use_space_char=False)
"""Convert between text-label and text-index """
字符识别(crnn+ctc)。 字符识别(crnn+ctc)。
Args: Args:
character_dict_path ：字符集文件路径。 character_dict_path ：字符集文件路径。
use_space_char ：字符集中是否包含空格。 use_space_char ：字符集中是否包含空格。
Returns: Returns:
return_type: NONE。 return_type: 无返回值。
Examples:
Examples:
""" """
class CTCLabelDecode(BaseRecLabelDecode): class CTCLabelDecode(BaseRecLabelDecode):
...@@ -277,140 +266,28 @@ class TextRecgnizer(object): ...@@ -277,140 +266,28 @@ class TextRecgnizer(object):
character_dict_path ：字符集文件路径。 character_dict_path ：字符集文件路径。
use_space_char ：字符集中是否包含空格。 use_space_char ：字符集中是否包含空格。
Returns: Returns:
return_type: NONE。 return_type: 无返回值。
Examples: Examples:
""" """
``` ```
## 推理 ## 推理
### 字符检测模型推理
```python
def __call__(self, src_img):
data = self.preprocess(src_img)
"""支持两种数据拷贝方式：offload_copy=true、offload_copy=false。当offload_copy为true时，不需要进行内存拷贝，如果为false，需要先预分配输入输出的设备内存，并在推理前，将预处理数据拷贝到设备内存，推理后将模型输出从设备内存中拷贝出来，在做后处理。"""
if self.offload_copy==False:
self.d_mem[self.det_input_name] =migraphx.to_gpu(migraphx.argument(data["image"]))
results = self.db_model.run(self.d_mem)
else:
results = self.db_model.run({self.det_input_name:data["image"]})
if self.offload_copy==False :
#从gpu拷贝推理结果到cpu
result=migraphx.from_gpu(results[0])
print("offload copy model")
result = np.array(result)
else:
result = results[0]
shape_list = np.expand_dims(data["shape"], axis=0)
pred = np.array(result)
pred = pred[:, 0, :, :]
#获取大于阈值的概率
segmentation = pred > self.thresh
boxes_batch = []
for batch_index in range(pred.shape[0]):
src_h, src_w, ratio_h, ratio_w = shape_list[batch_index]
if self.dilation_kernel is not None:
mask = cv2.dilate(
np.array(segmentation[batch_index]).astype(np.uint8),
self.dilation_kernel,
)
else:
mask = segmentation[batch_index]
#根据预测的bitmap获取文本区域
if self.box_type == "poly":
boxes, scores = self.polygons_from_bitmap(
pred[batch_index], mask, ratio_w,ratio_h, src_w, src_h
)
elif self.box_type == "quad":
boxes, scores = self.boxes_from_bitmap(
pred[batch_index], mask, ratio_w,ratio_h, src_w, src_h
)
else:
raise ValueError("box_type can only be one of ['quad', 'poly']")
boxes_batch.append(boxes)
#文本区域按照从上到下，从左到右的顺序排序
det_box_batch = self.sorted_boxes(boxes_batch)
#文本区域按坐标映射到原始图像
dt_boxes,det_rects = self.box_standardization(det_box_batch,shape_list)
return dt_boxes,det_rects
```
### 字符识别推理
```python ```python
def __call__(self, batch_img_list): def __call__(self, src_img):
if len(batch_img_list) == 0: import time
return [] start = time.time()
width_list = [] #字符检测
#遍历图片列表（字符roi存放在图片列表中），为了支持多batch推理，这里还会将batch_size张图片进行拼接np.concatenate(batch_norm_imgs) dt_boxs,dt_rects = self.db_detector(src_img)
for b in range(len(batch_img_list)): res_img = self.vis_boxes(dt_boxs,src_img)
for img in batch_img_list[b]: #字符区域图片裁剪
width_list.append(img.shape[1] / float(img.shape[0])) batch_img_list = self.detection_roi_crop(src_img,dt_rects)
#字符特征提取
indices = np.argsort(np.array(width_list)) batch_outputs_pre ,batch_max_wh_ratio_pre = self.text_extractor(batch_img_list)
#字符编码
input_batch = self.rec_batch_num batch_text_list, batch_label_list = self.ctc_decoder(batch_outputs_pre,return_word_box=False,wh_ratio_list = batch_max_wh_ratio_pre)
batch_outputs_pre = []
batch_max_wh_ratio_pre = []
for b in range(len(batch_img_list)):
im_count = len(batch_img_list[b])
batch_outputs = []
batch_max_wh_ratio = []
for beg_img_no in range(0, im_count, input_batch):
end_img_no = min(im_count, beg_img_no + input_batch)
# for ino in range(beg_img_no, end_img_no):
# h, w = batch_img_list[b][indices[ino]].shape[0:2]
# wh_ratio = w * 1.0 / h
# max_wh_ratio = max(max_wh_ratio, wh_ratio)
batch_norm_imgs = []
max_wh_ratio = list()
# N batch
for ino in range(beg_img_no, end_img_no):
#单张图片预处理
norm_img = self.preprocess(batch_img_list[b][indices[ino]], max_wh_ratio)
norm_img = norm_img[np.newaxis, :].astype(np.float32)
batch_norm_imgs.append(norm_img)
batch_max_wh_ratio.append(max_wh_ratio)
#batch_size张图片进行拼接
if self.rec_batch_num >1:
norm_img_batch = np.concatenate(batch_norm_imgs)
norm_img_batch = norm_img_batch.copy()
else:
norm_img_batch = np.array([batch_norm_imgs.copy()])
if self.offload_copy==False:
print("offload copy model")
self.d_mem[self.rec_input_name] =migraphx.to_gpu(migraphx.argument(norm_img_batch))
results = self.rec_model.run(self.d_mem)
output = np.array(results[0])
else:
results = self.rec_model.run({self.rec_input_name:norm_img_batch})
output = results[0]
# batch_outputs.append(np.array(output))
#将所有batch的输出结果append到batch_outputs中方便后处理
[batch_outputs.append(out) for out in np.array(output)]
batch_outputs_pre.append(np.array(batch_outputs))
batch_max_wh_ratio_pre.append(batch_max_wh_ratio)
return batch_outputs_pre ,batch_max_wh_ratio_pre
``` ```
# Ocrv5 API调用说明 # Ocrv5 API调用说明
API调用步骤如下： API调用步骤如下：
...@@ -425,8 +302,8 @@ if __name__ == '__main__': ...@@ -425,8 +302,8 @@ if __name__ == '__main__':
rec_onnx_path = "../Resource/Models/ppocrv5_server_rec_infer.onnx" rec_onnx_path = "../Resource/Models/ppocrv5_server_rec_infer.onnx"
image_path = "../Resource/Images/lite_demo.png" image_path = "../Resource/Images/lite_demo.png"
img = cv2.imread(image_path) img = cv2.imread(image_path)
ppocrv5 = PPOcrV5(det_onnx_path,rec_onnx_path,offload_copy=True,precision_mode="fp32") ppocrv5 = PPOcrV5(det_onnx_path,rec_onnx_path,offload_copy=True,precision_mode="fp16")
res_img = ppocrv5(img) res_img = ppocrv5(img)
cv2.imwrite("res.jpg",res_img) cv2.imwrite("res.jpg",res_img)
``` ```
sample支持两种精度推理（fp32和fp16），默认是fp32）,精度和内存拷贝方式分别通过precision_mode和offload_copy参数控制。 sample支持两种精度推理（fp32和fp16），默认是fp16）,精度和内存拷贝方式分别通过precision_mode和offload_copy参数控制。
\ No newline at end of file \ No newline at end of file
Python/inference.py
View file @ 417a4ca0
This diff is collapsed.
README.md
View file @ 417a4ca0
...@@ -81,6 +81,7 @@ pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple ...@@ -81,6 +81,7 @@ pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
``` ```
python inference.py python inference.py
``` ```
结果图片保存在当前目录下：res.jpg
offload_copy和precision_mode设置可参考[Tutorial_Python.md](Doc/Tutorial_Python.md)，在main中示例。 offload_copy和precision_mode设置可参考[Tutorial_Python.md](Doc/Tutorial_Python.md)，在main中示例。
### C++版本推理 ### C++版本推理
...@@ -104,7 +105,6 @@ cd <path_to_ppocrv5_migraphx> ...@@ -104,7 +105,6 @@ cd <path_to_ppocrv5_migraphx>
sh ./3rdParty/InstallOpenCVDependences.sh sh ./3rdParty/InstallOpenCVDependences.sh
``` ```
#### 安装OpenCV并构建工程 #### 安装OpenCV并构建工程
``` ```
...@@ -116,30 +116,9 @@ rbuild build -d depend ...@@ -116,30 +116,9 @@ rbuild build -d depend
- 进入到opencv-3.4.11_mini目录下创建build目录，cd build - 进入到opencv-3.4.11_mini目录下创建build目录，cd build
- 执行以下命令： - 执行以下命令：
``` ```
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=./opencv_dep -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D OPENCV_GENERATE_PKGCONFIG=ON -D BUILD_EXAMPLES=ON -D OPENCV_EXTRA_MODULES_PATH=../modules/ .. cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=./opencv_dep -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D OPENCV_GENERATE_PKGCONFIG=ON -D BUILD_EXAMPLES=ON -D OPENCV_EXTRA_MODULES_PATH=../modules/ ..
``` ```
- 执行make -j8 && make install,编译的头文件和库目录存放在opencv_dep,将opencv_dep目录拷贝到3rdParty,并命名为opencv - 执行make -j8 && make install,编译的头文件和库目录存放在opencv_dep,将opencv_dep目录拷贝到3rdParty,并命名为opencv
#### 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：
当操作系统是ubuntu系统时：
```
export LD_LIBRARY_PATH=<path_to_ppocrv5_migraphx>/depend/lib/:$LD_LIBRARY_PATH
```
当操作系统是centos系统时：
```
export LD_LIBRARY_PATH=<path_to_ppocrv5_migraphx>/depend/lib64/:$LD_LIBRARY_PATH
```
然后执行:
```
source ~/.bashrc
```
#### 运行示例 #### 运行示例
...@@ -155,58 +134,112 @@ cmake .. && make ...@@ -155,58 +134,112 @@ cmake .. && make
#运行 #运行
./ppOcrV5cd ./ppOcrV5cd
``` ```
结果图片保存在当前目录下：res.jpg
## result ## result
### Python版本 ### Python版本
输出结果中，每个值分别对应每个label的实际概率。 输出结果中展示了识别到的字符，每个字符后面跟着一个置信度，置信度值越大，识别结果越准确。
``` ```
产品信息/参数, 0.954 '0', 0.991
发足够的滋养, 1.000 纯臻营养护发素, 1.000
纯臻宫乔护发素, 0.883 '0'.'9''9''3''6''0''4', 0.999
花费了'0'.'4''5''7''3''3''5'秒, 0.993 '1', 0.998
【净含量】：'2''2''0'ml, 0.993 产品信息/参数, 0.934
'0'.'9''9''2''7''2''8', 0.999
'2', 0.999
（'4''5'元／每公斤，'1''0''0'公斤起订）, 0.970
'0'.'9''7''4''1''7', 0.999
'3', 0.999
每瓶'2''2'元，'1''0''0''0'瓶起订）, 0.998 每瓶'2''2'元，'1''0''0''0'瓶起订）, 0.998
【品名】：纯臻营养护发素, 0.998 '0'.'9''9''3''9''7''6', 0.999
【品牌】：代加工方式/'0'EMODM, 0.968 '4', 0.998
糖、椰油酰胺丙基甜菜碱、泛醒, 0.997 【品牌】：代加工方式/'0'EMODM, 0.959
【适用人群】：适合所有肤质, 0.998 '0'.'9''8''5''1''3''3', 0.998
【产品编号】：YM'-'X'-''3''0''1''1''0'.'9''6''8''9''9', 0.993 '5', 0.998
（'4''5'元/每公斤，'1''0''0'公斤起订）, 0.972 【品名】：纯臻营养护发素, 0.997
【主要成分】：鲸蜡硬脂醇、燕麦B'-'葡聚, 0.966 '0'.'9''9''5''0''0''7', 0.999
【主要功能】：可紧致头发磷层，从而达到, 0.994 '6', 0.995
即时持久改善头发光泽的效果，给干燥的头, 0.997 【产品编号】：YM'-'X'-''3''0''1''1''0'.'9''6''8''9''9', 0.973
The detectionvisualizedimagsavedin./vis.jpg, 0.940 '7', 0.999
[Time info] elapsed:3.5736 【净含量】：'2''2''0'ml, 0.994
'0'.'9''9''6''5''7''7', 0.999
'8', 0.998
【适用人群】：适合所有肤质, 0.997
'0'.'9''9''5''8''4''2', 0.999
'9', 0.997
【主要成分】：鲸蜡硬脂醇、燕麦B'-'葡聚, 0.976
'0'.'9''6''1''9''2''8', 0.999
'1''0', 1.000
糖、椰油酰胺丙基甜菜碱、泛醒, 0.996
'0'.'9''2''5''8''9''8', 0.999
'1''1', 0.999
（成品包材）, 0.998
'0'.'9''7''2''5''7''3', 0.999
'1''2', 1.000
【主要功能】：可紧致头发磷层，从而达到, 0.992
'0'.'9''9''4''4''4''8', 0.999
'1''3', 0.999
即时持久改善头发光泽的效果，给干燥的头, 0.989
'0'.'9''9''0''1''9''8', 0.999
'1''4', 0.999
发足够的滋养, 0.999
'0'.'9''9''7''6''6''8', 0.999
花费了'0'.'4''5''7''3''3''5'秒, 0.993
[Time info] elapsed:578.6152 ms
``` ```
### C++版本 ### C++版本
``` ```
ocr res :[生成一幅画，负向提示词为：画中不要出现人物。正负提示词结合会] ocr res :花费了'0'.'4''5''7''3''3''5'秒 0.984009
ocr res :[Text_encode_'2'.副文本编码器，补充描述性细节(如材质、光照、] ocr res :'0'.'9''9''7' 0.773633
ocr res :[图片的准确性，过滤掉不需要的元素，例如正向提示词为：提示模型] ocr res :发足够的滋养 0.96818
ocr res :[编码器特征融合提升模型的理解能力。] ocr res :'1' 0.697754
ocr res :[正负 prompt 设置：正向 prompt 和负向 prompt 结合可以提升生成] ocr res :'0''0'.'9''9''0''1''9' 0.656647
ocr res :[语义表示捕获提示词的基础含义和全局语境（如对象、动作），与副] ocr res :即时持久改善头发光泽的效果，给干燥的头 0.996608
ocr res :[的图像不会发生变化，随机种子可以增加生成图像的多样性。] ocr res : 0
ocr res :[Text_encode.主文本编码器，将prompt序列转换为一个综合的] ocr res :【主要功能】：可紧致头发磷层，从而达到 0.993421
ocr res :[响初始噪声和生成结果的确定性，固定种子后，同一个prompt生成] ocr res :'0'.'9''9''4''4' 0.677327
ocr res :[声转化为目标图像。] ocr res : 0
ocr res :[随机数设置：随机数种子是控制生成过程随机性的关键参数，直接影] ocr res :'0'.'9''7''2' 0.637158
ocr res :[Scheduler：调度器，控制图像生成，决定了如何逐步将随机噪] ocr res :（成品包材） 0.901937
ocr res :[程和图像生成过程中有着至关重要的作用。] ocr res :'1' 0.32251
ocr res :[在stable'-'dffusion'-'xl'-'base'-''1'.'0'模型中主要包含一下子组件：] ocr res :糖、椰油酰胺丙基甜菜碱、泛醒 0.993478
ocr res :[Pipeline的配置参数控制图像生成的质量和速度，在扩散模型预测过] ocr res :'0'.'9''2''5' 0.586279
ocr res :[具配置文件中的定义手动加载各个子组件。] ocr res :'1''0' 0.547241
ocr res :[这里使用了扩散模型加载器统一加载了所有的子组件，也可以更] ocr res :【主要成分】：鲸蜡硬脂醇、燕麦B'-'葡聚 0.975303
ocr res :[·'2'.'3'pipeline 配置] ocr res :'0'.'9''1''9' 0.568408
Time taken by task: 3475 ms ocr res : 0
ocr res :'0'.'9''9''5''2' 0.613647
ocr res :【适用人群】：适合所有肤质 0.996882
ocr res :'8' 0.378906
ocr res :'0'.'9''9' 0.595581
ocr res :【净含量】：'2''2''0'ml 0.835671
ocr res :'7' 0.356689
ocr res :【产品编号】：YM'-'X'-''3''0''1''1''0'.'9''6''8''9''9' 0.993695
ocr res :'6' 0.214355
ocr res :'0'.'9''9''5' 0.478052
ocr res :【品名】：纯臻营养护发素 0.996175
ocr res :'5' 0.594727
ocr res : 0
ocr res :'0'.'9''8''5' 0.55166
ocr res :【品牌】：代加工方式/'0'EMODM 0.917768
ocr res :每瓶'2''2'元，'1''0''0''0'瓶起订） 0.974644
ocr res :'0'.'9''9''3''9''7''6' 0.736755
ocr res :'3' 0.486572
ocr res :（'4''5'元/每公斤，'1''0''0'公斤起订） 0.940028
ocr res :'0'.'9'm'7' 0.534668
ocr res :'2' 0.961426
ocr res : 0
ocr res :'0'.'9''9''2' 0.524121
ocr res :产品信息/参数 0.913853
ocr res :纯臻营养护发素'0'.'9''9''3''6''0''4' 0.964128
ocr res :'0' 0.380127
ocr res :The detection visualized imagesavedin./vis.jpg 0.94302
[Time info] elapsed: 389 ms
``` ```
### 精度 ### 精度
无 无
......
Src/Utility/cv_put_Text.cpp 0 → 100644
View file @ 417a4ca0
#include "cv_put_Text.hpp"
PutText::PutText(const char* font_path) {
// 初始化 FreeType
if (FT_Init_FreeType(&ft)) {
std::cerr << "Error: Could not init FreeType !" << std::endl;
return;
}
// 加载字体文件（ 这里使用 SimHei.ttf 字体文件）
if (FT_New_Face(ft, font_path, 0, &face)) {
std::cerr << "Error: Load front failed!" << std::endl;
exit(-1);
}
}
PutText::~PutText() {
// 释放 FreeType 资源
FT_Done_Face(face);
FT_Done_FreeType(ft);
}
void PutText::putText(cv::Mat& img, const std::string& text, int x, int y, int fontSize, cv::Scalar color) {
if(img.empty())
{
std::cerr << "Empty image!";
return ;
}
// 设置字体大小
FT_Set_Pixel_Sizes(face, 0, fontSize);
int start_point_x = x;
int start_point_y = y + fontSize; // 调整基线
// 循环处理每个字符
for (size_t i = 0; i < text.size(); ) {
// 解析 UTF-8 字符
unsigned long unicode = 0;
if ((text[i] & 0x80) == 0) {
unicode = text[i];
i += 1;
} else if ((text[i] & 0xE0) == 0xC0) {
unicode = ((text[i] & 0x1F) << 6) | (text[i + 1] & 0x3F);
i += 2;
} else if ((text[i] & 0xF0) == 0xE0) {
unicode = ((text[i] & 0x0F) << 12) | ((text[i + 1] & 0x3F) << 6) | (text[i + 2] & 0x3F);
i += 3;
} else {
i++; // 无效 UTF-8
continue;
}
// 加载字符字形
if (FT_Load_Char(face, unicode, FT_LOAD_RENDER)) {
std::cerr << "Error: Could not load glyph" << std::endl;
continue;
}
// 绘制到 OpenCV 图像
FT_Bitmap& bitmap = face->glyph->bitmap;
for (int row = 0; row < bitmap.rows; ++row) {
for (int col = 0; col < bitmap.width; ++col) {
unsigned char intensity = bitmap.buffer[row * bitmap.width + col];
if (intensity > 0) {
cv::Vec3b& pixel = img.at<cv::Vec3b>(start_point_y - face->glyph->bitmap_top + row, start_point_x + face->glyph->bitmap_left + col);
pixel[0] = color[0] * (intensity / 255.0) + pixel[0] * (1 - intensity / 255.0);
pixel[1] = color[1] * (intensity / 255.0) + pixel[1] * (1 - intensity / 255.0);
pixel[2] = color[2] * (intensity / 255.0) + pixel[2] * (1 - intensity / 255.0);
}
}
}
start_point_x += face->glyph->advance.x >> 6;
}
}
\ No newline at end of file
Src/Utility/cv_put_Text.hpp 0 → 100644
View file @ 417a4ca0
#pragma once
#include <ft2build.h>
#include FT_FREETYPE_H
#include <opencv2/opencv.hpp>
class PutText {
private:
FT_Library ft;
FT_Face face;
public:
PutText(const char* font_path);
~PutText();
/**
* @brief 向图片写文字（支持中文）
* @param img 待叠加字符的图片
* @param text 待叠加的字符
* @param x 垂直方向缩放比例
* @param y 水平方向缩放比例
* @param fontSize 原始图像
* @param color 字体颜色，默认绿色
*
* @return 无返回值
*/
void putText(cv::Mat& img, const std::string& text, int x, int y, int fontSize=2, cv::Scalar color=cv::Scalar(0, 255, 0));
};
Src/main.cpp
View file @ 417a4ca0
#include "ocr_engine.hpp" #include "ocr_engine.hpp"
using namespace ppocr; using namespace ppocr;
int main(int argc, char** argv) int main(int argc, char** argv){
{
std::string det_model_onnx = "../Resource/Models/ppocrv5_server_det_infer.onnx"; std::string det_model_onnx = "../Resource/Models/ppocrv5_server_det_infer.onnx";
std::string rec_model_onnx = "../Resource/Models/ppocrv5_server_rec_infer.onnx"; std::string rec_model_onnx = "../Resource/Models/ppocrv5_server_rec_infer.onnx";
std::string img_path = "../Resource/Images/20250703205038.png"; std::string img_path = "../Resource/Images/demo.png";
std::string character_dict_path = "../Resource/ppocr_keys_v5.txt"; std::string character_dict_path = "../Resource/ppocr_keys_v5.txt";
std::string front = "../Resource/fonts/SimHei.ttf";
float segm_thres=0.3; float segm_thres=0.3;
float box_thresh=0.3; float box_thresh=0.3;
ppOcrEngine ocr_engine(det_model_onnx, ppOcrEngine ocr_engine(det_model_onnx,
rec_model_onnx, rec_model_onnx,
character_dict_path, character_dict_path,
front,
segm_thres, segm_thres,
box_thresh, box_thresh,
true, true,
"fp32"); "fp16");
cv::Mat img=cv::imread(img_path); cv::Mat img=cv::imread(img_path);
ocr_engine.forward(img); ocr_engine.forward(img);
return 0; return 0;
} }
\ No newline at end of file
Src/ocr_engine.cpp
View file @ 417a4ca0
This diff is collapsed.
Src/ocr_engine.hpp
View file @ 417a4ca0
...@@ -10,15 +10,9 @@ ...@@ -10,15 +10,9 @@
#include "Filesystem.h" #include "Filesystem.h"
#include "SimpleLog.h" #include "SimpleLog.h"
#include "clipper.h" #include "clipper.h"
#include "cv_put_Text.hpp"
namespace ppocr{ namespace ppocr{
struct _TEXT_BOX
{
cv::Rect t_rect;
float score;
};
using T_BOX = struct _TEXT_BOX;
class CTCDecode class CTCDecode
{ {
private: private:
...@@ -38,7 +32,6 @@ namespace ppocr{ ...@@ -38,7 +32,6 @@ namespace ppocr{
void* output_buffer_device; void* output_buffer_device;
void* output_buffer_host; void* output_buffer_host;
migraphx::shape input_shape; migraphx::shape input_shape;
migraphx::shape output_shape; migraphx::shape output_shape;
std::string input_name; std::string input_name;
...@@ -51,7 +44,7 @@ namespace ppocr{ ...@@ -51,7 +44,7 @@ namespace ppocr{
public: public:
CTCDecode(std::string rec_model_path, CTCDecode(std::string rec_model_path,
std::string precision_mode="fp32", std::string precision_mode="fp16",
int image_width=480, int image_width=480,
int image_height=48, int image_height=48,
int channel=3, int channel=3,
...@@ -61,7 +54,9 @@ namespace ppocr{ ...@@ -61,7 +54,9 @@ namespace ppocr{
~CTCDecode(); ~CTCDecode();
/** /**
* @brief 字符识别编码，可支持，最长可支持预测90个字符，18385个字符 * @brief 字符识别、编码API 字符识别编码，可支持，最长可支持预测90个字符，18385个字符
* @param img 输入图片
* @return 编码后的字符串
*/ */
std::string forward(cv::Mat& img); std::string forward(cv::Mat& img);
...@@ -93,7 +88,6 @@ namespace ppocr{ ...@@ -93,7 +88,6 @@ namespace ppocr{
* @return 成功：text,失败："" * @return 成功：text,失败：""
*/ */
std::string decode(std::vector<float>& probs,std::vector<int>& indexs,float& mean_prob); std::string decode(std::vector<float>& probs,std::vector<int>& indexs,float& mean_prob);
}; };
class OcrDet class OcrDet
...@@ -117,25 +111,33 @@ namespace ppocr{ ...@@ -117,25 +111,33 @@ namespace ppocr{
float* data; float* data;
//Allocate device buffer and host buffer,if offload_copy is false //当offload_copy为true时，分配设备内存
std::unordered_map<std::string, migraphx::argument> dev_argument; std::unordered_map<std::string, migraphx::argument> dev_argument;
void* input_buffer_device; void* input_buffer_device;
void* output_buffer_device; void* output_buffer_device;
void* output_buffer_host; void* output_buffer_host;
//postprocess //后处理
int n_channel; int n_channel;
int feature_size; //single channel feature map size. int feature_size; //单个通道的特征大小，例如模型输出[1,3,32,32],feature_size= 32x32.
int output_width; int output_width;
int output_height; int output_height;
int max_candidates;//maximun number of candidates contours. int max_candidates;//最大检测的候选区域.
public: public:
OcrDet(std::string det_model_path, OcrDet(std::string det_model_path,
std::string precision_mode="float32", std::string precision_mode="fp16",
bool offload_copy = true, bool offload_copy = true,
float segm_thres = 0.3, float segm_thres = 0.3,
float box_thresh = 0.7); float box_thresh = 0.7);
~OcrDet(); ~OcrDet();
/**
* @brief 字符检测模型推理API
* @param img 原始图片
* @param text_roi_boxes 字符区域坐标，格式：[[[tl.x, tl.y], [tr.x, tr.y],[], [br.x, br.y], [bl.x, bl.y]]]]
* | | | |
* 左上坐标 右上坐标 右下坐标 左下坐标
* @return 成功返回true，失败返回false
*/
bool forward(cv::Mat& img,std::vector<std::vector<std::vector<int>>>& text_roi_boxes); bool forward(cv::Mat& img,std::vector<std::vector<std::vector<int>>>& text_roi_boxes);
private: private:
...@@ -159,17 +161,18 @@ namespace ppocr{ ...@@ -159,17 +161,18 @@ namespace ppocr{
*/ */
int postprocess(float* feature, std::vector<std::vector<std::vector<int>>> &boxes); int postprocess(float* feature, std::vector<std::vector<std::vector<int>>> &boxes);
/**
* @brief 后处理，文本区域提取
* @param pred 二值图（这里字符检测使用了dbnet分割字符区域，二值图对应了文本区域）
int boxes_from_bitmap(cv::Mat& bit_map,std::vector<T_BOX>& box); * @param bitmap 二值图（pred做形态学运算输出bitmap，结合pred结算平均边框得分）
* @return 成功：0,失败：-1
*/
std::vector<std::vector<std::vector<int>>>boxes_from_bitmap( std::vector<std::vector<std::vector<int>>>boxes_from_bitmap(
const cv::Mat pred, const cv::Mat bitmap, const float &box_thresh, const cv::Mat pred, const cv::Mat bitmap, const float &box_thresh,
const float &det_db_unclip_ratio, const bool &use_polygon_score); const float &det_db_unclip_ratio, const bool &use_polygon_score);
std::vector<std::vector<float>> Mat2Vector(cv::Mat mat); std::vector<std::vector<float>> Mat2Vector(cv::Mat mat);
/** /**
* @brief 统计多边形区域的平均得分 * @brief 统计多边形区域的平均得分
* @param contour 字符区域的轮廓点集合 * @param contour 字符区域的轮廓点集合
...@@ -238,9 +241,6 @@ namespace ppocr{ ...@@ -238,9 +241,6 @@ namespace ppocr{
*/ */
float box_score_fast(std::vector<std::vector<float>> box_array,cv::Mat pred) ; float box_score_fast(std::vector<std::vector<float>> box_array,cv::Mat pred) ;
void visualize_boxes(const cv::Mat &srcimg,
const std::vector<std::vector<std::vector<int>>> &boxes) ;
bool text_recognition(const cv::Mat &srcimg, bool text_recognition(const cv::Mat &srcimg,
const std::vector<std::vector<std::vector<int>>> &boxes); const std::vector<std::vector<std::vector<int>>> &boxes);
...@@ -250,16 +250,21 @@ namespace ppocr{ ...@@ -250,16 +250,21 @@ namespace ppocr{
private: private:
std::shared_ptr<OcrDet> text_detector; std::shared_ptr<OcrDet> text_detector;
std::shared_ptr<CTCDecode> text_recognizer; std::shared_ptr<CTCDecode> text_recognizer;
std::shared_ptr<PutText> ft2 ;
public: public:
ppOcrEngine(const std::string &det_model_path, ppOcrEngine(const std::string &det_model_path,
const std::string &rec_model_path, const std::string &rec_model_path,
const std::string &character_dict_path, const std::string &character_dict_path,
const std::string front,
const float segm_thres=0.3, const float segm_thres=0.3,
const float box_thresh=0.7, const float box_thresh=0.7,
bool offload_copy =true, bool offload_copy =true,
std::string precision_mode = "fp32") ; std::string precision_mode = "fp16") ;
~ppOcrEngine(); ~ppOcrEngine();
std::vector<std::string> forward(cv::Mat &srcimg); std::vector<std::string> forward(cv::Mat &srcimg);
cv::Mat visualize_text(std::vector<std::string> texts,std::vector<cv::Point> points, cv::Mat &img);
void visualize_boxes(cv::Mat &srcimg,
const std::vector<std::vector<std::vector<int>>> &boxes) ;
}; };
} }
Markdown is supported
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment