Release PaddleClas release/2.6, adding new models and supporting all-in-one full development tools (#3267)
dyning
GitHub
parent
a4351cc761
commit
d6892e564c
27
README_ch.md
27
README_ch.md
|
|
@ -13,15 +13,13 @@
|
|||
|
||||
## 📣 近期更新
|
||||
|
||||
- **💥 直播预告：11.1-11.3日每晚8点半**，PaddleClas研发团队详解PP-ShituV2优化策略与真实产业应用。微信扫描下方二维码，关注公众号并填写问卷后进入官方交流群，获取直播链接与20G重磅图像分类学习大礼包（内含20+数据集、4个垂类模型、70+前沿论文集合）
|
||||
- **🔥2024.10.1 发布PaddleClas release/2.6**:
|
||||
* 飞桨一站式全流程开发工具PaddleX，依托于PaddleClas的先进技术，支持了图像分类和图像检索领域的**一站式全流程**开发能力：
|
||||
* 🎨 [**模型丰富一键调用**](docs/zh_CN/paddlex/quick_start.md)：将通用图像分类、图像多标签分类、通用图像识别、人脸识别涉及的**98个模型**整合为6条模型产线，通过极简的**Python API一键调用**，快速体验模型效果。此外，同一套API，也支持目标检测、图像分割、文本图像智能分析、通用OCR、时序预测等共计**200+模型**，形成20+单功能模块，方便开发者进行**模型组合使用**。
|
||||
* 🚀 [**提高效率降低门槛**](docs/zh_CN/paddlex/overview.md)：提供基于**统一命令**和**图形界面**两种方式，实现模型简洁高效的使用、组合与定制。支持**高性能部署、服务化部署和端侧部署**等多种部署方式。此外，对于各种主流硬件如**英伟达GPU、昆仑芯、昇腾、寒武纪和海光**等，进行模型开发时，都可以**无缝切换**。
|
||||
* 新增图像分类算法[**MobileNetV4、StarNet、FasterNet**](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/cv_modules/image_classification.md)
|
||||
|
||||
<div align="center">
|
||||
<img src="https://github.com/PaddlePaddle/PaddleClas/assets/12560511/eed2d9e0-28d8-4037-9777-a2d4cf3aabbc" width = "150" height = "150"/>
|
||||
</div>
|
||||
|
||||
- 2022.9.14 发布**商超零售新革命-生鲜智能结算产业应用**范例
|
||||
|
||||
- **🔥️ 2022.9.13 发布超轻量图像识别系统[PP-ShiTuV2](docs/zh_CN/models/PP-ShiTu/README.md)：**
|
||||
- 2022.9.13 发布超轻量图像识别系统[PP-ShiTuV2](docs/zh_CN/models/PP-ShiTu/README.md)：
|
||||
- recall1精度提升8个点，覆盖商品识别、垃圾分类、航拍场景等[20+识别场景](docs/zh_CN/deployment/PP-ShiTu/application_scenarios.md)，
|
||||
- 新增[库管理工具](./deploy/shitu_index_manager/)，[Android Demo](./docs/zh_CN/quick_start/quick_start_recognition.md)全新体验。
|
||||
|
||||
|
|
@ -45,6 +43,7 @@ PaddleClas支持多种前沿图像分类、识别相关算法，发布产业级
|
|||
|
||||
## ⚡ 快速开始
|
||||
|
||||
- [一键调用92个PaddleClas核心模型](docs/zh_CN/paddlex/quick_start.md)
|
||||
- PULC超轻量图像分类方案快速体验：[点击这里](docs/zh_CN/quick_start/PULC.md)
|
||||
- PP-ShiTu图像识别快速体验：[点击这里](./docs/zh_CN/quick_start/quick_start_recognition.md)
|
||||
- PP-ShiTuV2 Android Demo APP，可扫描如下二维码，下载体验
|
||||
|
|
@ -53,17 +52,7 @@ PaddleClas支持多种前沿图像分类、识别相关算法，发布产业级
|
|||
<img src="./docs/images/quick_start/android_demo/PPShiTu_qrcode.png" width = "170" height = "170" />
|
||||
</div>
|
||||
|
||||
## 👫 开源社区
|
||||
|
||||
* **📑项目合作：** 如果您是企业开发者且有明确的图像分类应用需求，填写[问卷](https://paddle.wjx.cn/vm/hnGOjfn.aspx# )后可免费与官方团队展开不同层次的合作。
|
||||
* **👫加入社区：** 微信扫描二维码并填写问卷之后，加入交流群领取**20G重磅图像分类学习大礼包**，内含
|
||||
* **20+场景数据库**，包括各类商品、动植物、航拍图像等数据集
|
||||
* 场景应用**模型集合**：包括人员出入管理、生鲜品识别、商品识别等
|
||||
* **70+前沿图像分类与识别论文**、历次发版课程视频、PPT与优质社区项目等
|
||||
|
||||
<div align="center">
|
||||
<img src="https://user-images.githubusercontent.com/50011306/215993395-b2601ca3-5b6e-42f6-9e3e-b2149c4a791e.png" width = "150" height = "150"/>
|
||||
</div>
|
||||
## 🔥 [一站式全流程开发](docs/zh_CN/paddlex/overview.md)
|
||||
|
||||
|
||||
## 🛠️ PP系列模型列表
|
||||
|
|
|
|||
|
|
@ -0,0 +1,156 @@
|
|||
|
||||
## 目录
|
||||
- [简介](#1)
|
||||
- [快速开始](#2)
|
||||
- [模型产线列表和教程](#3)
|
||||
- [单功能模块列表和教程](#4)
|
||||
- [国产化硬件能力支持](#5)
|
||||
|
||||
<a name="1"></a>
|
||||
|
||||
## 1. 简介
|
||||
|
||||
飞桨一站式全流程开发工具[PaddleX](https://github.com/PaddlePaddle/PaddleX/tree/release/3.0-beta1)，依托于PaddleClas的先进技术，支持了图像分类和图像检索领域的**一站式全流程**开发能力。通过一站式全流程开发，可实现简单且高效的模型使用、组合与定制。这将显著**减少模型开发的时间消耗**，**降低其开发难度**，大大加快模型在行业中的应用和推广速度。特色如下：
|
||||
|
||||
* 🎨 **模型丰富一键调用**：将通用图像分类、图像多标签分类、通用图像识别、人脸识别涉及的**98个模型**整合为6条模型产线，通过极简的**Python API一键调用**，快速体验模型效果。此外，同一套API，也支持目标检测、图像分割、文本图像智能分析、通用OCR、时序预测等共计**200+模型**，形成20+单功能模块，方便开发者进行**模型组合使用**。
|
||||
|
||||
* 🚀 **提高效率降低门槛**：提供基于**统一命令**和**图形界面**两种方式，实现模型简洁高效的使用、组合与定制。支持**高性能部署、服务化部署和端侧部署**等多种部署方式。此外，对于各种主流硬件如**英伟达GPU、昆仑芯、昇腾、寒武纪和海光**等，进行模型开发时，都可以**无缝切换**。
|
||||
|
||||
>**说明**：PaddleX 致力于实现产线级别的模型训练、推理与部署。模型产线是指一系列预定义好的、针对特定AI任务的开发流程，其中包含能够独立完成某类任务的单模型（单功能模块）组合。
|
||||
|
||||
<a name="2"></a>
|
||||
|
||||
## 2. [快速开始](./quick_start.md)
|
||||
|
||||
<a name="3"></a>
|
||||
|
||||
## 3. 模型产线列表和教程
|
||||
|
||||
- **通用图像分类产线**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/pipeline_usage/tutorials/cv_pipelines/image_classification.md)
|
||||
- **图像多标签分类产线**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/pipeline_usage/tutorials/cv_pipelines/image_multi_label_classification.md)
|
||||
- **通用图像识别产线** (coming soon)
|
||||
- **人脸识别产线** (coming soon)
|
||||
- **行人属性识别产线** (coming soon)
|
||||
- **车辆属性识别产线** (coming soon)
|
||||
|
||||
<a name="4"></a>
|
||||
|
||||
## 4. 单功能模块列表和教程
|
||||
|
||||
- **图像分类模块**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/cv_modules/image_classification.md)
|
||||
- **图像多标签分类模块**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/cv_modules/ml_classification.md)
|
||||
- **图像特征模块**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/cv_modules/image_feature.md)
|
||||
- **主体检测模块**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/cv_modules/mainbody_detection.md)
|
||||
- **人脸检测模块**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/cv_modules/face_detection.md)
|
||||
- **行人检测模块**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/cv_modules/human_detection.md)
|
||||
- **行人属性识别模块**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/cv_modules/pedestrian_attribute_recognition.md)
|
||||
- **车辆检测模块**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/cv_modules/vehicle_detection.md)
|
||||
- **车辆属性识别模块**: [使用教程](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/cv_modules/vehicle_attribute_recognition.md)
|
||||
|
||||
<a name="5"></a>
|
||||
|
||||
## 5. 能力支持
|
||||
|
||||
PaddleX中图像分类和图像检索的6条产线均支持本地**快速推理**，部分产线支持**在线体验**，您可以快速体验各个产线的预训练模型效果，如果您对产线的预训练模型效果满意，可以直接对产线进行[高性能部署](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/pipeline_deploy/high_performance_deploy.md)/[服务化部署](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/pipeline_deploy/service_deploy.md)/[端侧部署](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/pipeline_deploy/lite_deploy.md)，如果不满意，您也可以使用产线的**二次开发**能力，提升效果。完整的产线开发流程请参考[PaddleX产线使用概览](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/pipeline_usage/pipeline_develop_guide.md)或各产线使用教程。
|
||||
|
||||
此外，PaddleX为开发者提供了基于[云端图形化开发界面](https://aistudio.baidu.com/pipeline/mine)的全流程开发工具, 详细请参考[教程《零门槛开发产业级AI模型》](https://aistudio.baidu.com/practical/introduce/546656605663301)
|
||||
|
||||
|
||||
<table >
|
||||
<tr>
|
||||
<td></td>
|
||||
<td>在线体验</td>
|
||||
<td>快速推理</td>
|
||||
<td>高性能部署</td>
|
||||
<td>服务化部署</td>
|
||||
<td>端侧部署</td>
|
||||
<td>二次开发</td>
|
||||
<td><a href = "https://aistudio.baidu.com/pipeline/mine">星河零代码产线</a></td>
|
||||
</tr>
|
||||
<tr>
|
||||
<td>通用图像分类</td>
|
||||
<td><a href = "https://aistudio.baidu.com/community/app/100061/webUI?source=appMineRecent">链接</a></td>
|
||||
<td>✅</td>
|
||||
<td>✅</td>
|
||||
<td>✅</td>
|
||||
<td>✅</td>
|
||||
<td>✅</td>
|
||||
<td>✅</td>
|
||||
</tr>
|
||||
<tr>
|
||||
<td>图像多标签分类</td>
|
||||
<td>🚧</td>
|
||||
<td>✅</td>
|
||||
<td>✅</td>
|
||||
<td>✅</td>
|
||||
<td>🚧</td>
|
||||
<td>✅</td>
|
||||
<td>🚧</td>
|
||||
</tr>
|
||||
<tr>
|
||||
<td>通用图像识别</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
</tr>
|
||||
<tr>
|
||||
<td>人脸识别</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
</tr>
|
||||
<tr>
|
||||
<td>行人属性识别</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
</tr>
|
||||
<tr>
|
||||
<td>车辆属性识别</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
<td>🚧</td>
|
||||
</tr>
|
||||
|
||||
|
||||
</table>
|
||||
|
||||
<a name="4"></a>
|
||||
|
||||
> ❗注：以上功能均基于GPU/CPU实现。PaddleX还可在昆仑、昇腾、寒武纪和海光等主流硬件上进行快速推理和二次开发。下表详细列出了模型产线的支持情况，具体支持的模型列表请参阅 [模型列表(NPU)](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/support_list/model_list_npu.md) // [模型列表(XPU)](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/support_list/model_list_xpu.md) // [模型列表(MLU)](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/support_list/model_list_mlu.md) // [模型列表DCU](https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/support_list/model_list_dcu.md)。同时我们也在适配更多的模型，并在主流硬件上推动高性能和服务化部署的实施。
|
||||
|
||||
|
||||
**🚀 国产化硬件能力支持**
|
||||
|
||||
<table>
|
||||
<tr>
|
||||
<th>产线名称</th>
|
||||
<th>昇腾 910B</th>
|
||||
<th>昆仑 R200/R300</th>
|
||||
<th>寒武纪 MLU370X8</th>
|
||||
<th>海光 Z100</th>
|
||||
</tr>
|
||||
<tr>
|
||||
<td>通用图像分类</td>
|
||||
<td>✅</td>
|
||||
<td>✅</td>
|
||||
<td>✅</td>
|
||||
<td>✅</td>
|
||||
</tr>
|
||||
</table>
|
||||
|
|
@ -0,0 +1,124 @@
|
|||
# 快速开始
|
||||
|
||||
>**说明：**
|
||||
>* 飞桨一站式全流程开发工具[PaddleX](https://github.com/PaddlePaddle/PaddleX/tree/release/3.0-beta1)，依托于PaddleClas的先进技术，支持了图像分类和图像检索领域的**一站式全流程**开发能力。通过一站式全流程开发，可实现简单且高效的模型使用、组合与定制，详细请参考[PaddleClas一站式全流程开发概览](./overview.md)。
|
||||
>* PaddleX 致力于实现产线级别的模型训练、推理与部署。模型产线是指一系列预定义好的、针对特定AI任务的开发流程，其中包含能够独立完成某类任务的单模型（单功能模块）组合。本文档提供**图像分类和图像检索相关产线**的快速使用方式，单功能模块的快速使用请参考[相关模块教程](#-更多)中的**快速集成**教程。
|
||||
|
||||
|
||||
### 🛠️ 安装
|
||||
|
||||
> ❗安装PaddleX前请先确保您有基础的**Python运行环境**。
|
||||
* **安装PaddlePaddle**
|
||||
```bash
|
||||
# cpu
|
||||
python -m pip install paddlepaddle
|
||||
|
||||
# gpu，该命令仅适用于 CUDA 版本为 11.8 的机器环境
|
||||
python -m pip install paddlepaddle-gpu==3.0.0b1 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/
|
||||
|
||||
# gpu，该命令仅适用于 CUDA 版本为 12.3 的机器环境
|
||||
python -m pip install paddlepaddle-gpu==3.0.0b1 -i https://www.paddlepaddle.org.cn/packages/stable/cu123/
|
||||
```
|
||||
> ❗ 更多飞桨 Wheel 版本请参考[飞桨官网](https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/linux-pip.html)。
|
||||
|
||||
* **安装PaddleX**
|
||||
|
||||
```bash
|
||||
pip install https://paddle-model-ecology.bj.bcebos.com/paddlex/whl/paddlex-3.0.0.beta1-py3-none-any.whl
|
||||
```
|
||||
|
||||
> ❗ 更多安装方式参考[PaddleX安装教程](./installation/installation.md)
|
||||
### 💻 命令行使用
|
||||
|
||||
一行命令即可快速体验产线效果，统一的命令行格式为：
|
||||
|
||||
```bash
|
||||
paddlex --pipeline [产线名称] --input [输入图片] --device [运行设备]
|
||||
```
|
||||
|
||||
只需指定三个参数：
|
||||
* `pipeline`：产线名称
|
||||
* `input`：待处理的输入图片的本地路径或URL
|
||||
* `device`: 使用的GPU序号（例如`gpu:0`表示使用第0块GPU），也可选择使用CPU（`cpu`）
|
||||
|
||||
|
||||
以通用OCR产线为例：
|
||||
```bash
|
||||
paddlex --pipeline OCR --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png --device gpu:0
|
||||
```
|
||||
<details>
|
||||
<summary><b>👉 点击查看运行结果 </b></summary>
|
||||
|
||||
```bash
|
||||
{'img_path': '/root/.paddlex/predict_input/general_ocr_002.png', 'dt_polys': [[[5, 12], [88, 10], [88, 29], [5, 31]], [[208, 14], [249, 14], [249, 22], [208, 22]], [[695, 15], [824, 15], [824, 60], [695, 60]], [[158, 27], [355, 23], [356, 70], [159, 73]], [[421, 25], [659, 19], [660, 59], [422, 64]], [[337, 104], [460, 102], [460, 127], [337, 129]], [[486, 103], [650, 100], [650, 125], [486, 128]], [[675, 98], [835, 94], [835, 119], [675, 124]], [[64, 114], [192, 110], [192, 131], [64, 134]], [[210, 108], [318, 106], [318, 128], [210, 130]], [[82, 140], [214, 138], [214, 163], [82, 165]], [[226, 136], [328, 136], [328, 161], [226, 161]], [[404, 134], [432, 134], [432, 161], [404, 161]], [[509, 131], [570, 131], [570, 158], [509, 158]], [[730, 138], [771, 138], [771, 154], [730, 154]], [[806, 136], [817, 136], [817, 146], [806, 146]], [[342, 175], [470, 173], [470, 197], [342, 199]], [[486, 173], [616, 171], [616, 196], [486, 198]], [[677, 169], [813, 166], [813, 191], [677, 194]], [[65, 181], [170, 177], [171, 202], [66, 205]], [[96, 208], [171, 205], [172, 230], [97, 232]], [[336, 220], [476, 215], [476, 237], [336, 242]], [[507, 217], [554, 217], [554, 236], [507, 236]], [[87, 229], [204, 227], [204, 251], [87, 254]], [[344, 240], [483, 236], [483, 258], [344, 262]], [[66, 252], [174, 249], [174, 271], [66, 273]], [[75, 279], [264, 272], [265, 297], [76, 303]], [[459, 297], [581, 295], [581, 320], [459, 322]], [[101, 314], [210, 311], [210, 337], [101, 339]], [[68, 344], [165, 340], [166, 365], [69, 368]], [[345, 350], [662, 346], [662, 368], [345, 371]], [[100, 459], [832, 444], [832, 465], [100, 480]]], 'dt_scores': [0.8183103704439653, 0.7609575621092027, 0.8662357274035412, 0.8619508290334809, 0.8495855993183273, 0.8676840017933314, 0.8807986687956436, 0.822308525056085, 0.8686617037621976, 0.8279022169854463, 0.952332847006758, 0.8742692553015098, 0.8477013022907575, 0.8528771493227294, 0.7622965906848765, 0.8492388224448705, 0.8344203789965632, 0.8078477124353284, 0.6300434587457232, 0.8359967356998494, 0.7618617265751318, 0.9481573079350023, 0.8712182945408912, 0.837416955846334, 0.8292475059403851, 0.7860382856406026, 0.7350527486717117, 0.8701022267947695, 0.87172526903969, 0.8779847108088126, 0.7020437651809734, 0.6611684983372949], 'rec_text': ['www.997', '151', 'PASS', '登机牌', 'BOARDING', '舱位 CLASS', '序号SERIALNO.', '座位号SEATNO', '航班 FLIGHT', '日期DATE', 'MU 2379', '03DEC', 'W', '035', 'F', '1', '始发地FROM', '登机口 GATE', '登机时间BDT', '目的地TO', '福州', 'TAIYUAN', 'G11', 'FUZHOU', '身份识别IDNO.', '姓名NAME', 'ZHANGQIWEI', '票号TKTNO.', '张祺伟', '票价FARE', 'ETKT7813699238489/1', '登机口于起飞前10分钟关闭GATESCLOSE1OMINUTESBEFOREDEPARTURETIME'], 'rec_score': [0.9617719054222107, 0.4199012815952301, 0.9652514457702637, 0.9978302121162415, 0.9853208661079407, 0.9445787072181702, 0.9714463949203491, 0.9841841459274292, 0.9564052224159241, 0.9959094524383545, 0.9386572241783142, 0.9825271368026733, 0.9356589317321777, 0.9985442161560059, 0.3965512812137604, 0.15236201882362366, 0.9976775050163269, 0.9547433257102966, 0.9974752068519592, 0.9646636843681335, 0.9907559156417847, 0.9895358681678772, 0.9374122023582458, 0.9909093379974365, 0.9796401262283325, 0.9899340271949768, 0.992210865020752, 0.9478569626808167, 0.9982215762138367, 0.9924325942993164, 0.9941263794898987, 0.96443772315979]}
|
||||
......
|
||||
```
|
||||
|
||||
可视化结果如下：
|
||||
|
||||
|
||||
|
||||
</details>
|
||||
|
||||
其他产线的命令行使用，只需将`pipeline`参数调整为相应产线的名称。下面列出了每个产线对应的命令：
|
||||
|
||||
|
||||
| 产线名称 | 使用命令 |
|
||||
|-----------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
|
||||
| 文档场景信息抽取 | |
|
||||
| 通用图像分类 | `paddlex --pipeline image_classification --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_image_classification_001.jpg --device gpu:0` |
|
||||
| 通用OCR | `paddlex --pipeline OCR --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png --device gpu:0` |
|
||||
| 通用表格识别 | `paddlex --pipeline table_recognition --input https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/table_recognition.jpg --device gpu:0` |
|
||||
|
||||
|
||||
### 📝 Python脚本使用
|
||||
|
||||
几行代码即可完成产线的快速推理，统一的Python脚本格式如下：
|
||||
```python
|
||||
from paddlex import create_pipeline
|
||||
|
||||
pipeline = create_pipeline(pipeline=[产线名称])
|
||||
output = pipeline.predict([输入图片名称])
|
||||
for batch in output:
|
||||
for item in batch:
|
||||
res = item['result']
|
||||
res.print()
|
||||
res.save_to_img("./output/")
|
||||
res.save_to_json("./output/")
|
||||
```
|
||||
执行了如下几个步骤：
|
||||
|
||||
* `create_pipeline()` 实例化产线对象
|
||||
* 传入图片并调用产线对象的`predict` 方法进行推理预测
|
||||
* 对预测结果进行处理
|
||||
|
||||
其他产线的Python脚本使用，只需将`create_pipeline()`方法的`pipeline`参数调整为相应产线的名称。下面列出了每个产线对应的参数名称及详细的使用解释：
|
||||
|
||||
| 产线名称 | 对应参数 | 详细说明 |
|
||||
|----------|----------------------|------|
|
||||
| 通用OCR产线 | `OCR` | [通用OCR产线Python脚本使用说明](./pipeline_usage/OCR.md#222-python脚本方式集成) |
|
||||
| 通用表格识别产线 | `table_recognition` | [通用表格识别产线Python脚本使用说明](./pipeline_usage/table_recognition.md#22-python脚本方式集成) |
|
||||
| PP-ChatOCRv3产线 | `pp_chatocrv3` | [PP-ChatOCRv3产线Python脚本使用说明](./pipeline_usage/document_scene_information_extraction.md#222-python脚本方式集成) |
|
||||
|
||||
## 🌟 更多
|
||||
PaddleX的各个产线均支持**在线体验**和本地**快速推理**，您可以快速体验各个产线的预训练效果，如果您对产线的预训练效果满意，可以直接对产线进行[高性能部署](./pipeline_deploy/high_performance_deploy.md)/[服务化部署](./pipeline_deploy/service_deploy.md)/[端侧部署](./pipeline_deploy/lite_deploy.md)，如果不满意，您也可以对产线进行**二次开发**提升产线效果。完整的产线开发流程请参考[PaddleX模型产线使用概览](./pipeline_usage/pipeline_develop_guide.md)。
|
||||
|
||||
此外，PaddleX为OCR相关的每个产线和单功能模块都提供了详细的开发教程，您可以根据需要选择对应的产线或模块进行开发：
|
||||
|
||||
产线列表：
|
||||
|
||||
* [通用OCR产线使用教程](./pipeline_usage/OCR.md)
|
||||
* [通用表格识别产线使用教程](./pipeline_usage/table_recognition.md)
|
||||
* [文档场景信息抽取v3产线使用教程](./pipeline_usage/document_scene_information_extraction.md)
|
||||
|
||||
|
||||
单功能模块：
|
||||
|
||||
* [文本检测模块使用教程](./module_usage/text_detection.md)
|
||||
* [文本识别模块使用教程](./module_usage/text_recognition.md)
|
||||
* [公式识别模块使用教程](./module_usage/formula_recognition.md)
|
||||
* [表格结构识别模块使用教程](./module_usage/table_structure_recognition.md)
|
||||
* [文本图像矫正模块使用教程](./module_usage/text_image_unwarping.md)
|
||||
* [印章文本检测模块使用教程](./module_usage/seal_text_detection.md)
|
||||
* [版面区域检测模块使用教程](./module_usage/layout_detection.md)
|
||||
* [文档图像方向分类模块使用教程](./module_usage/doc_img_orientation_classification.md)
|
||||
Loading…
Reference in New Issue