Skip to content

v2.1beta

Choose a tag to compare

View all tags
@gitpetyr gitpetyr released this 10 Jan 07:33
· 9 commits to main since this release
v2.1beta
95f7964

v2.1beta，训练过程中快照，添加了对四则算数运算、马赛克模糊（#5）、3D阴影效果（#5）支持，暂时未添加至发布版本（即暂时无法通过 pip install ppllocr 使用），但可以下载 last.pt。

它的最终模型会放ppllocr，故latest release（逃

较稳定，部分高难度情况可能不如 v1.2

修复：#5 #3 #2

字符集：

['#', '%', '*', '+', '-', '/', '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', '=', '?', '@', 'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z']

data.yaml

path: ./datasets/dataset_universal_final_v8
train: images/train
val: images/val
nc: 71
names: ['#', '%', '*', '+', '-', '/', '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', '=', '?', '@', 'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z']

测试方法

仅测试，非部署用法

import cv2
import string
import torch
from ultralytics import YOLO
CHARACTERS=['#', '%', '*', '+', '-', '/', '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', '=', '?', '@', 'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z']
# ================= 配置区域 =================
# 1. 模型路径 (请修改为您训练好的 last.pt/best.pt 路径)
MODEL_PATH = "last.pt" 

# 2. 测试图片路径 (可以是单张图片，也可以是文件夹)
SOURCE_PATH = "captcha.jpg" 

# 3. 字符集 (必须与 data_gen_unified.py 中的完全一致！)
# ===========================================

def get_sorted_text(results):
    """
    OCR 核心逻辑：将检测到的框按从左到右排序，还原字符串
    """
    text_results = []
    
    for r in results:
        boxes = r.boxes.data.cpu().numpy() # [x1, y1, x2, y2, conf, cls]
        
        if len(boxes) == 0:
            return ""

        # 1. 提取 (x1, class_id)
        # 这里做简单的单行排序。如果是多行文本，需要先按 Y 轴聚类，再按 X 轴排序。
        # 对于验证码/单行文本，直接按 x1 (索引0) 排序即可。
        sorted_boxes = sorted(boxes, key=lambda x: x[0]) 

        decoded_chars = []
        for box in sorted_boxes:
            cls_id = int(box[5])
            conf = box[4]
            if cls_id < len(CHARACTERS):
                char = CHARACTERS[cls_id]
                decoded_chars.append(char)
        
        text_results.append("".join(decoded_chars))
        
    return text_results[0] if text_results else ""

def main():
    # 1. 加载模型
    print(f"Loading model from {MODEL_PATH}...")
    try:
        model = YOLO(MODEL_PATH)
    except Exception as e:
        print(f"Error loading model: {e}")
        print("请检查路径是否正确，或者是否还在训练中。")
        return

    # 2. 预测
    # conf=0.25: 置信度阈值
    # iou=0.45: NMS 阈值，防止重叠框
    print(f"Predicting {SOURCE_PATH}...")
    results = model.predict(source=SOURCE_PATH, save=True, conf=0.5, iou=0.5)
    print(results[0].names)
    # 3. 解析结果
    predicted_text = get_sorted_text(results)
    
    print("-" * 30)
    print(f"OCR 识别结果: {predicted_text}")
    print("-" * 30)
    print(f"结果图片已保存到: {results[0].save_dir}")

    # 4. 显示图片 (如果在桌面环境)
    # result_img = results[0].plot()
    # cv2.imshow("Result", result_img)
    # cv2.waitKey(0)
    # cv2.destroyAllWindows()

if __name__ == "__main__":
    main()

具体的：https://docs.ultralytics.com/zh/modes/predict/#key-features-of-predict-mode

Assets 3
Loading