Skip to content

Latest commit

 

History

History
171 lines (147 loc) · 7.91 KB

README.md

File metadata and controls

171 lines (147 loc) · 7.91 KB
Raw

Python例程

目录

python目录下提供了一系列Python例程，具体情况如下：

序号 Python例程 说明 功能
1 ppocr_det_opencv.py 使用OpenCV解码、OpenCV前处理、SAIL推理 文本检测
2 ppocr_cls_opencv.py 使用OpenCV解码、OpenCV前处理、SAIL推理 文本方向分类
3 ppocr_rec_opencv.py 使用OpenCV解码、OpenCV前处理、SAIL推理 文本识别
4 ppocr_system_opencv.py 使用OpenCV解码、OpenCV前处理、SAIL推理 全流程测试

1. 环境准备

1.1 x86/arm PCIe平台

如果您在x86/arm平台安装了PCIe加速卡（如SC系列加速卡），并使用它测试本例程，您需要安装libsophon、sophon-opencv、sophon-ffmpeg和sophon-sail，具体请参考x86-pcie平台的开发和运行环境搭建或arm-pcie平台的开发和运行环境搭建。

需要执行以下命令安装所需的python库:

pip3 install -r requirements.txt

如果在运行python例程的过程中遇到 "No module named '_ctypes'"的问题需要

apt-get install libffi-dev
# 进入python安装路径内重新编译安装python
cd python<version>
make && make install

1.2 SoC平台

如果您使用SoC平台（如SE、SM系列边缘设备），并使用它测试本例程，刷机后在/opt/sophon/下已经预装了相应的libsophon、sophon-opencv和sophon-ffmpeg运行库包。您还需要交叉编译安装sophon-sail，具体可参考交叉编译安装sophon-sail。

需要执行以下命令安装所需的python库:

pip3 install -r requirements.txt

如果在运行python例程的过程中遇到 "No module named '_ctypes'"的问题需要

apt-get install libffi-dev
# 进入python安装路径内重新编译安装python
cd python<version>
make && make install

2. 推理测试

python例程不需要编译，可以直接运行，PCIe平台和SoC平台的测试参数和运行方式是相同的。

2.1 文本检测推理测试：

ppocr_det_opencv.py参数说明如下：

usage: ppocr_det_opencv.py [-h] [--dev_id DEV_ID] [--input INPUT] [--bmodel_det BMODEL_DET]

optional arguments:
  -h, --help            show this help message and exit
  --dev_id DEV_ID       tpu card id
  --input INPUT         input image directory path
  --bmodel_det BMODEL_DET
                        bmodel path

文本检测测试实例如下：

# 程序会自动根据文件夹中的图片数量来选择1batch或者4batch，优先选择4batch推理。
python3 ppocr_det_opencv.py --input ../datasets/cali_set_det --bmodel_det ../models/BM1684X/ch_PP-OCRv3_det_fp32.bmodel --dev_id 0

执行完成后，会将预测图片保存在results/det_results文件夹下。

2.2 文本方向分类推理测试：

ppocr_cls_opencv.py参数说明如下：

usage: ppocr_cls_opencv.py [-h] [--dev_id DEV_ID] [--input INPUT] [--bmodel_cls BMODEL_CLS]
                           [--cls_thresh CLS_THRESH] [--label_list LABEL_LIST]

optional arguments:
  -h, --help            show this help message and exit
  --dev_id DEV_ID       tpu card id
  --input INPUT         input image directory path
  --bmodel_cls BMODEL_CLS
                        classifier bmodel path
  --cls_thresh CLS_THRESH
  --label_list LABEL_LIST

文本方向分类测试实例如下：

# 程序会自动根据文件夹中的图片数量来选择1batch或者4batch，优先选择4batch推理。
python3 ppocr_cls_opencv.py --input ../datasets/cali_set_rec --bmodel_cls ../models/BM1684X/ch_PP-OCRv3_cls_fp32.bmodel --dev_id 0 --cls_thresh 0.9 --label_list 0,180

2.3 文本识别分类推理测试：

ppocr_rec_opencv.py参数说明如下：

usage: ppocr_rec_opencv.py [-h] [--dev_id DEV_ID] [--input INPUT] [--bmodel_rec BMODEL_REC] [--img_size IMG_SIZE] [--char_dict_path CHAR_DICT_PATH] [--use_space_char USE_SPACE_CHAR] [--use_beam_search]
                           [--beam_size {1~40}]

optional arguments:
  -h, --help            show this help message and exit
  --dev_id DEV_ID       tpu card id
  --input INPUT         input image directory path
  --bmodel_rec BMODEL_REC
                        recognizer bmodel path
  --img_size IMG_SIZE   You should set inference size [width,height] manually if using multi-stage bmodel.
  --char_dict_path CHAR_DICT_PATH
  --use_space_char USE_SPACE_CHAR
  --use_beam_search     Enable beam search
  --beam_size {1~40}    Only valid when using beam search, valid range 1~40

文本识别测试实例如下：

# 程序会自动根据文件夹中的图片数量来选择1batch或者4batch，优先选择4batch推理。
python3 ppocr_rec_opencv.py --input ../datasets/cali_set_rec --bmodel_rec ../models/BM1684X/ch_PP-OCRv3_rec_fp32.bmodel --dev_id 0 --img_size [[640,48],[320,48]] --char_dict_path ../datasets/ppocr_keys_v1.txt

2.4 全流程推理测试：

ppocr_system_opencv.py参数说明如下：

usage: ppocr_system_opencv.py [-h] [--input INPUT] [--dev_id DEV_ID] [--batch_size BATCH_SIZE] [--bmodel_det BMODEL_DET] [--det_limit_side_len DET_LIMIT_SIDE_LEN] [--bmodel_rec BMODEL_REC] [--img_size IMG_SIZE]
                              [--char_dict_path CHAR_DICT_PATH] [--use_space_char USE_SPACE_CHAR] [--use_beam_search]
                              [--beam_size {1~40}] [--rec_thresh REC_THRESH] [--use_angle_cls]
                              [--bmodel_cls BMODEL_CLS] [--label_list LABEL_LIST] [--cls_thresh CLS_THRESH]

optional arguments:
  -h, --help            show this help message and exit
  --input INPUT         input image directory path
  --dev_id DEV_ID       tpu card id
  --batch_size BATCH_SIZE
                        img num for a ppocr system process launch.
  --bmodel_det BMODEL_DET
                        detector bmodel path
  --det_limit_side_len DET_LIMIT_SIDE_LEN
  --bmodel_rec BMODEL_REC
                        recognizer bmodel path
  --img_size IMG_SIZE   You should set inference size [width,height] manually if using multi-stage bmodel.
  --char_dict_path CHAR_DICT_PATH
  --use_space_char USE_SPACE_CHAR
  --use_beam_search     Enable beam search
  --beam_size {1~40}    Only valid when using beam search, valid range 1~40
  --rec_thresh REC_THRESH
  --use_angle_cls
  --bmodel_cls BMODEL_CLS
                        classifier bmodel path
  --label_list LABEL_LIST
  --cls_thresh CLS_THRESH

测试实例如下：

python3 ppocr_system_opencv.py --input=../datasets/train_full_images_0 \
                           --batch_size=4 \
                           --bmodel_det=../models/BM1684X/ch_PP-OCRv3_det_fp32.bmodel \
                           --bmodel_cls=../models/BM1684X/ch_PP-OCRv3_cls_fp32.bmodel \
                           --bmodel_rec=../models/BM1684X/ch_PP-OCRv3_rec_fp32.bmodel \
                           --dev_id=0 \
                           --img_size [[640,48],[320,48]] \
                           --char_dict_path ../datasets/ppocr_keys_v1.txt \
                           --use_angle_cls

执行完成后，会打印预测的字段，同时会将预测的可视化结果保存在results/inference_results文件夹下，推理结果会保存在results/ppocr_system_results_b4.json下。