158 lines
6.2 KiB
Markdown
158 lines
6.2 KiB
Markdown
# PP-Structure 快速开始
|
||
|
||
- [PP-Structure 快速开始](#pp-structure-快速开始)
|
||
- [1. 安装依赖包](#1-安装依赖包)
|
||
- [2. 便捷使用](#2-便捷使用)
|
||
- [2.1 命令行使用](#21-命令行使用)
|
||
- [2.2 Python脚本使用](#22-python脚本使用)
|
||
- [2.3 返回结果说明](#23-返回结果说明)
|
||
- [2.4 参数说明](#24-参数说明)
|
||
- [3. Python脚本使用](#3-python脚本使用)
|
||
|
||
## 1. 安装依赖包
|
||
|
||
```bash
|
||
pip install "paddleocr>=2.3.0.2" # 推荐使用2.3.0.2+版本
|
||
pip3 install -U https://paddleocr.bj.bcebos.com/whl/layoutparser-0.0.0-py3-none-any.whl
|
||
|
||
# 安装 PaddleNLP
|
||
git clone https://github.com/PaddlePaddle/PaddleNLP -b develop
|
||
cd PaddleNLP
|
||
pip3 install -e .
|
||
|
||
```
|
||
|
||
## 2. 便捷使用
|
||
|
||
### 2.1 命令行使用
|
||
|
||
* 版面分析+表格识别
|
||
```bash
|
||
paddleocr --image_dir=../doc/table/1.png --type=structure
|
||
```
|
||
|
||
* VQA
|
||
|
||
请参考：[文档视觉问答](../vqa/README.md)。
|
||
|
||
### 2.2 Python脚本使用
|
||
|
||
* 版面分析+表格识别
|
||
```python
|
||
import os
|
||
import cv2
|
||
from paddleocr import PPStructure,draw_structure_result,save_structure_res
|
||
|
||
table_engine = PPStructure(show_log=True)
|
||
|
||
save_folder = './output/table'
|
||
img_path = '../doc/table/1.png'
|
||
img = cv2.imread(img_path)
|
||
result = table_engine(img)
|
||
save_structure_res(result, save_folder,os.path.basename(img_path).split('.')[0])
|
||
|
||
for line in result:
|
||
line.pop('img')
|
||
print(line)
|
||
|
||
from PIL import Image
|
||
|
||
font_path = '../doc/fonts/simfang.ttf' # PaddleOCR下提供字体包
|
||
image = Image.open(img_path).convert('RGB')
|
||
im_show = draw_structure_result(image, result,font_path=font_path)
|
||
im_show = Image.fromarray(im_show)
|
||
im_show.save('result.jpg')
|
||
```
|
||
|
||
* VQA
|
||
|
||
请参考：[文档视觉问答](../vqa/README.md)。
|
||
|
||
### 2.3 返回结果说明
|
||
PP-Structure的返回结果为一个dict组成的list，示例如下
|
||
|
||
* 版面分析+表格识别
|
||
```shell
|
||
[
|
||
{ 'type': 'Text',
|
||
'bbox': [34, 432, 345, 462],
|
||
'res': ([[36.0, 437.0, 341.0, 437.0, 341.0, 446.0, 36.0, 447.0], [41.0, 454.0, 125.0, 453.0, 125.0, 459.0, 41.0, 460.0]],
|
||
[('Tigure-6. The performance of CNN and IPT models using difforen', 0.90060663), ('Tent ', 0.465441)])
|
||
}
|
||
]
|
||
```
|
||
dict 里各个字段说明如下
|
||
|
||
| 字段 | 说明 |
|
||
| --------------- | -------------|
|
||
|type|图片区域的类型|
|
||
|bbox|图片区域的在原图的坐标，分别[左上角x，左上角y，右下角x，右下角y]|
|
||
|res|图片区域的OCR或表格识别结果。<br> 表格: 表格的HTML字符串; <br> OCR: 一个包含各个单行文字的检测坐标和识别结果的元组|
|
||
|
||
* VQA
|
||
|
||
请参考：[文档视觉问答](../vqa/README.md)。
|
||
|
||
### 2.4 参数说明
|
||
|
||
| 字段 | 说明 | 默认值 |
|
||
| --------------- | ---------------------------------------- | ------------------------------------------- |
|
||
| output | excel和识别结果保存的地址 | ./output/table |
|
||
| table_max_len | 表格结构模型预测时，图像的长边resize尺度 | 488 |
|
||
| table_model_dir | 表格结构模型 inference 模型地址 | None |
|
||
| table_char_type | 表格结构模型所用字典地址 | ../ppocr/utils/dict/table_structure_dict.txt |
|
||
| model_name_or_path | VQA SER模型地址 | None |
|
||
| max_seq_length | VQA SER模型最大支持token长度 | 512 |
|
||
| label_map_path | VQA SER 标签文件地址 | ./vqa/labels/labels_ser.txt |
|
||
| mode | pipeline预测模式，structure: 版面分析+表格识别; VQA: SER文档信息抽取 | structure |
|
||
|
||
大部分参数和PaddleOCR whl包保持一致，见 [whl包文档](../../doc/doc_ch/whl.md)
|
||
|
||
运行完成后，每张图片会在`output`字段指定的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文件和图片名名为表格在图片里的坐标。
|
||
|
||
## 3. Python脚本使用
|
||
|
||
* 版面分析+表格识别
|
||
|
||
```bash
|
||
cd ppstructure
|
||
|
||
# 下载模型
|
||
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 ..
|
||
|
||
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=../doc/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/table \
|
||
--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`talbe`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文件和图片名名为表格在图片里的坐标。
|
||
|
||
* VQA
|
||
|
||
```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。
|