Create README.md

readme.md

aihub/deep-learning/face-paint/README.md

@@ -0,0 +1,71 @@
+# 1. OCR 技术
+
+先简单介绍下OCR技术，它包含两个基本的神经网络模型。
+
+一个是文字检测模型，它的本质是目标检测，能将一张图片中文字部分用矩形框框出来。
+
+另一个是文字识别模型，文字检测模型框出来的部分，送入文字识别模型，可以识别出对应的文本。
+
+下面我们用百度开源的PaddleOCR框架，实践一下OCR技术。
+
+执行以下命令，安装PaddleOCR
+
+```bash
+pip install "paddleocr>=2.0.1"
+```
+安装完成后，编码调用ocr函数，提取下图中的文字
+
+<img width="540" alt="640" src="https://user-images.githubusercontent.com/20157705/191437863-3b7c651c-3c59-4538-bbe5-2424e465f002.png">
+
+
+```bash
+from paddleocr import PaddleOCR, draw_ocr
+
+ocr = PaddleOCR(use_angle_cls=True, lang="ch")  # lang="ch"代表识别中文
+img_path = './imgs/12.png' # 上图
+result = ocr.ocr(img_path, cls=True)
+for line in result:
+    print(line)
+```
+首次运行可以看到以下输出
+
+<img width="540" alt="640" src="https://user-images.githubusercontent.com/20157705/191438569-18a19532-29f6-4dcf-b65d-ded73bd02e00.png">
+
+
+程序会自动下载三个模型文件，分别是ch_PP-OCRv3_det_infer.tar、ch_PP-OCRv3_rec_infer.tar和ch_ppocr_mobile_v2.0_cls_infer.tar。
+
+前两个是我们刚刚提到的文字检测模型和文字识别模型。
+
+最后一个是文本方向分类模型，因为创建PaddleOCR时指定了use_angle_cls=True，因此会下载该模型，我们暂时不关注它。
+
+这三个模型都是PaddleOCR在自己的数据集上预训练好了的，对于常规的图片都可以直接用，如果大家有比较特殊的数据集需要识别，如：车牌，只能按照PaddleOCR提供的方法，自己训练模型。
+
+程序最后一行print(line)输出的内容如下：
+
+<img width="540" alt="640" src="https://user-images.githubusercontent.com/20157705/191438736-d0353a3c-39a1-4ec6-9b5d-44704de5a382.png">
+
+
+可以看到，成功能够提取出图片中的文本了，并且准确度没问题。
+
+输出的每一行包含两个元素，第1个元素是文字检测模型识别出文本的矩形框坐标，第2个元素是文字识别模型，识别出来的文本内容以及对应的分数，分数越接近1说明越准确。
+
+如果你觉得print打印出来的结果不直观，我们可以用可视化来显示结果
+
+```bash
+from PIL import Image
+
+image = Image.open(img_path).convert('RGB')
+boxes = [line[0] for line in result]
+txts = [line[1][0] for line in result]
+scores = [line[1][1] for line in result]
+im_show = draw_ocr(image, boxes, txts, scores, font_path='./fonts/simfang.ttf')
+im_show = Image.fromarray(im_show)
+im_show.save('result.jpg')
+```
+
+result.jpg如下：
+
+<img width="740" alt="640" src="https://user-images.githubusercontent.com/20157705/191438938-59b84670-24eb-47b5-b791-d8ad053a26a9.png">
+
+
+左侧的红框是文字检测模型检测出来的文字，右侧是文字识别模型识别出来的文字以及对应的分数。