keras-ocr

这是对Keras CRNN实现和已发布的CRAFT文本检测模型的略微抛光和打包版本。它提供了一个高级API来训练文本检测和OCR流程。

有关更多示例（包括训练自定义模型），请参阅文档。

入门

安装

keras-ocr 支持 Python >= 3.6 和 TensorFlow >= 2.0.0。

# To install from master
pip install git+https://github.com/faustomorales/keras-ocr.git#egg=keras-ocr

# To install from PyPi
pip install keras-ocr

使用

该软件包包含一个易于使用的来自此存储库的CRAFT文本检测模型实现和来自此存储库的CRNN识别模型。

import matplotlib.pyplot as plt

import keras_ocr

# keras-ocr will automatically download pretrained
# weights for the detector and recognizer.
pipeline = keras_ocr.pipeline.Pipeline()

# Get a set of three example images
images = [
    keras_ocr.tools.read(url) for url in [
        'https://upload.wikimedia.org/wikipedia/commons/b/bd/Army_Reserves_Recruitment_Banner_MOD_45156284.jpg',
        'https://upload.wikimedia.org/wikipedia/commons/e/e8/FseeG2QeLXo.jpg',
        'https://upload.wikimedia.org/wikipedia/commons/b/b4/EUBanana-500x112.jpg'
    ]
]

# Each list of predictions in prediction_groups is a list of
# (word, box) tuples.
prediction_groups = pipeline.recognize(images)

# Plot the predictions
fig, axs = plt.subplots(nrows=len(images), figsize=(20, 20))
for ax, image, predictions in zip(axs, images, prediction_groups):
    keras_ocr.tools.drawAnnotations(image=image, predictions=predictions, ax=ax)

比较keras-ocr和其他OCR方法

您可能想知道这个包中的模型与现有的云OCR API相比如何。我们提供了以下指标和用于计算这些指标的工作表，它使用了COCO-Text验证集中的前1000张图片。我们将其限制为1000，因为撰写本文时Google Cloud免费层每月只能调用1000次。一如既往，存在一些限制。

• 以下数字不提供任何保证，请务必注意并独立计算自己的指标以验证它们。截至本文撰写时，它们应被视为一个非常粗略的初稿。如果发现错误，请提交问题。特别是，云API提供了各种选项，可以用来提高其性能，响应可以以不同的方式解析。我可能在配置或解析中犯了错误。再次提醒，如果发现错误，请提交问题！
• 我们忽略标点和字母大小写，因为keras-ocr（由此独立仓库提供）的默认识别器不支持这两者。请注意，AWS Rekognition和Google Cloud Vision都支持标点和大小写字母。
• 我们忽略非英文文本。
• 我们忽略难以辨认的文本。

• 精确度和召回率是基于50%或更高的交集和50%或更高的与真实文本相似度计算的。
• keras-ocr延迟值是在Google Colab上使用Tesla P4 GPU计算的。缩放指的是传递给keras_ocr.pipelines.Pipeline()的参数，它决定了在推理之前对图像应用的上采样。
• 云提供商的延迟是通过连续请求测量的，因此您可以通过同时进行多个API请求来获得显著的性能提升。
• 每个条目都提供了一个链接，指向包含每个遍历所作注释的JSON文件。您可以使用这个笔记本来计算指标，而无需自己调用API（尽管鼓励您独立进行复制）！

为什么不用Tesseract进行比较？在我尝试的每种配置中，Tesseract在这个测试中都表现得非常糟糕。Tesseract在书籍扫描方面表现最佳，而不是在像这个数据集中那样的偶然场景文本。

高级配置

默认情况下，如果可用GPU，Tensorflow会尝试占用几乎所有可用视频内存，如果你同时在运行多个模型，那么这会很糟糕。设置环境变量MEMORY_GROWTH的任何值都将强制Tensorflow动态分配所需的GPU内存量。

您也可以通过将环境变量MEMORY_ALLOCATED设置为任何浮点数来为Tensorflow进程指定一个限制，这个值是VRAM与总内存量之间的浮点比。

要应用这些更改，请在导入keras_ocr的文件顶部调用keras_ocr.config.configure()。

贡献

要参与该项目，请先执行以下操作。这些说明可能还不适用于Windows，但如果Windows用户有一些解决问题的想法，将非常感谢（目前我没有Windows机器进行测试）。

# Install local dependencies for
# code completion, etc.
make init

# Build the Docker container to run
# tests and such.
make build

• 您可以使用make lab启动JupyterLab服务器进行实验。
• 在提交代码之前运行检查，可以使用make format-check type-check lint-check test。
• 要查看文档，请使用make docs。

要实现新功能，请首先提交问题，提出您想讨论的更改。

要报告问题，请提交问题，包括示例代码、预期结果、实际结果和完整的回溯。

故障排除

• 本包正在安装 opencv-python-headless，但我希望安装不同版本的 opencv。 这是因为 aleju/imgaug#473。安装 keras-ocr 后，您可以卸载不需要的 OpenCV 版本。我们对给您带来的不便表示歉意。