81 lines
3.8 KiB
Markdown
81 lines
3.8 KiB
Markdown
# 基于Python预测引擎推理
|
||
|
||
- [1. Structure](#1)
|
||
- [1.1 版面分析+表格识别](#1.1)
|
||
- [1.2 版面分析](#1.2)
|
||
- [1.3 表格识别](#1.3)
|
||
- [2. DocVQA](#2)
|
||
|
||
<a name="1"></a>
|
||
## 1. Structure
|
||
进入`ppstructure`目录
|
||
|
||
```bash
|
||
cd ppstructure
|
||
````
|
||
下载模型
|
||
```bash
|
||
mkdir inference && cd inference
|
||
# 下载PP-OCRv2文本检测模型并解压
|
||
wget https://paddleocr.bj.bcebos.com/PP-OCRv2/chinese/ch_PP-OCRv2_det_slim_quant_infer.tar && tar xf ch_PP-OCRv2_det_slim_quant_infer.tar
|
||
# 下载PP-OCRv2文本识别模型并解压
|
||
wget https://paddleocr.bj.bcebos.com/PP-OCRv2/chinese/ch_PP-OCRv2_rec_slim_quant_infer.tar && tar xf ch_PP-OCRv2_rec_slim_quant_infer.tar
|
||
# 下载超轻量级英文表格预测模型并解压
|
||
wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/table/en_ppocr_mobile_v2.0_table_structure_infer.tar && tar xf en_ppocr_mobile_v2.0_table_structure_infer.tar
|
||
cd ..
|
||
```
|
||
<a name="1.1"></a>
|
||
### 1.1 版面分析+表格识别
|
||
```bash
|
||
python3 predict_system.py --det_model_dir=inference/ch_PP-OCRv2_det_slim_quant_infer \
|
||
--rec_model_dir=inference/ch_PP-OCRv2_rec_slim_quant_infer \
|
||
--table_model_dir=inference/en_ppocr_mobile_v2.0_table_structure_infer \
|
||
--image_dir=./docs/table/1.png \
|
||
--rec_char_dict_path=../ppocr/utils/ppocr_keys_v1.txt \
|
||
--table_char_dict_path=../ppocr/utils/dict/table_structure_dict.txt \
|
||
--output=../output \
|
||
--vis_font_path=../doc/fonts/simfang.ttf
|
||
```
|
||
运行完成后，每张图片会在`output`字段指定的目录下的`structure`目录下有一个同名目录，图片里的每个表格会存储为一个excel，图片区域会被裁剪之后保存下来，excel文件和图片名为表格在图片里的坐标。详细的结果会存储在`res.txt`文件中。
|
||
|
||
<a name="1.2"></a>
|
||
### 1.2 版面分析
|
||
```bash
|
||
python3 predict_system.py --image_dir=./docs/table/1.png --table=false --ocr=false --output=../output/
|
||
```
|
||
运行完成后，每张图片会在`output`字段指定的目录下的`structure`目录下有一个同名目录，图片区域会被裁剪之后保存下来，图片名为表格在图片里的坐标。版面分析结果会存储在`res.txt`文件中。
|
||
|
||
<a name="1.3"></a>
|
||
### 1.3 表格识别
|
||
```bash
|
||
python3 predict_system.py --det_model_dir=inference/ch_PP-OCRv2_det_slim_quant_infer \
|
||
--rec_model_dir=inference/ch_PP-OCRv2_rec_slim_quant_infer \
|
||
--table_model_dir=inference/en_ppocr_mobile_v2.0_table_structure_infer \
|
||
--image_dir=./docs/table/table.jpg \
|
||
--rec_char_dict_path=../ppocr/utils/ppocr_keys_v1.txt \
|
||
--table_char_dict_path=../ppocr/utils/dict/table_structure_dict.txt \
|
||
--output=../output \
|
||
--vis_font_path=../doc/fonts/simfang.ttf \
|
||
--layout=false
|
||
```
|
||
运行完成后，每张图片会在`output`字段指定的目录下的`structure`目录下有一个同名目录，表格会存储为一个excel，excel文件名为`[0,0,img_h,img_w]`。
|
||
|
||
<a name="2"></a>
|
||
## 2. DocVQA
|
||
|
||
```bash
|
||
cd ppstructure
|
||
|
||
# 下载模型
|
||
mkdir inference && cd inference
|
||
# 下载SER xfun 模型并解压
|
||
wget https://paddleocr.bj.bcebos.com/pplayout/PP-Layout_v1.0_ser_pretrained.tar && tar xf PP-Layout_v1.0_ser_pretrained.tar
|
||
cd ..
|
||
|
||
python3 predict_system.py --model_name_or_path=vqa/PP-Layout_v1.0_ser_pretrained/ \
|
||
--mode=vqa \
|
||
--image_dir=vqa/images/input/zh_val_0.jpg \
|
||
--vis_font_path=../doc/fonts/simfang.ttf
|
||
```
|
||
运行完成后，每张图片会在`output`字段指定的目录下的`vqa`目录下存放可视化之后的图片，图片名和输入图片名一致。
|