杭州网站建设zj net,wordpress 网页存在哪里,青岛建设局网站,免费 网站 手机Paddlehub介绍 PaddleHub是一个基于PaddlePaddle深度学习框架开发的预训练模型库和工具集#xff0c;提供了丰富的功能和模型#xff0c;包括但不限于以下几种#xff1a;
1.文本相关功能#xff1a;包括文本分类、情感分析、文本生成、文本相似度计算等预训练模型和工具。…Paddlehub介绍 PaddleHub是一个基于PaddlePaddle深度学习框架开发的预训练模型库和工具集提供了丰富的功能和模型包括但不限于以下几种
1.文本相关功能包括文本分类、情感分析、文本生成、文本相似度计算等预训练模型和工具。
2.图像相关功能包括图像分类、目标检测、人脸识别、图像生成等任务的预训练模型和工具。
3.视频相关功能包括视频分类、视频目标检测、视频行为识别等任务的预训练模型和工具。
4.语音相关功能包括语音识别、语音合成、语音情感分析等任务的预训练模型和工具。
5.推荐系统相关功能包括推荐模型、召回模型等预训练模型和工具。
6.自然语言处理相关功能包括词向量、句向量、文本匹配、关键词提取等预训练模型和工具。
7.多模态相关功能包括图文匹配、文图生成等多模态任务的预训练模型和工具。 除了以上列举的功能外PaddleHub还提供了模型管理、模型训练、模型部署等功能方便用户快速部署和使用深度学习模型。用户可以通过PaddleHub轻松实现各种深度学习任务加速模型开发和部署过程。
Paddlehub的OCR环境搭建 搭建环境的时候有两点需要注意:
paddlepaddle和paddlehub的版本要匹配起来需要安装隐形的依赖库(如下) #需要将PaddleHub和PaddlePaddle统一升级到2.0版本
!pip install paddlehub2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
!pip install paddlepaddle2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
#该Module依赖于第三方库shapely、pyclipper使用该Module之前请先安装shapely、pyclipper
!pip install shapely -i https://pypi.tuna.tsinghua.edu.cn/simple
!pip install pyclipper -i https://pypi.tuna.tsinghua.edu.cn/simple 这里我介绍一下我本机电脑的相关环境 系统windows10 企业版(无独立显卡) 编译器python 3.6.8(X64) 依赖包 numpy 1.16.4 pandas 0.21.1 scipy 1.2.2 opencv-python 3.4.2.16 paddlepaddle 1.8.4 paddlehub 1.8.2 Shapely 1.7.1 pyclipper 1.2.0 OCR介绍 光学字符识别Optical Character Recognition, OCR是指对文本材料的图像文件进行分析识别处理以获取文字和版本信息的过程。也就是说将图象中的文字进行识别并返回文本形式的内容。例如该预测效果基于PaddleHub一键OCR中文识别效果展示 识别网络图如下 典型的OCR技术路线如下图所示 其中OCR识别的关键路径在于文字检测和文本识别部分这也是深度学习技术可以充分发挥功效的地方。PaddleHub为大家开源的预训练模型的网络结构是Differentiable Binarization CRNN基于icdar2015数据集下进行的训练。
环境测试 下面用一段简单的代码来测试一下环境是否安装成功该代码段功能主要是来检测图像中的文字区域需要注意的是你应该提前准备好一张图片“fp.png”和代码在同一个目录中。
import paddlehub as hub
import cv2text_detector hub.Module(namechinese_text_detection_db_server)
result text_detector.detect_text(images[cv2.imread(fp.png)])
print(result)
输出 提示: 第一次运行的时候需要联网下载相应的模型否则会报错。我的因为模型下载完毕所以提示无需安装。
OCR识别
# -*- coding utf-8 -*-
# 测试OCR安装环境import paddlehub as hub
import cv2
import timefile rfp.png
t1 time.time()
#ocr hub.Module(namechinese_ocr_db_crnn_server)
ocr hub.Module(namechinese_ocr_db_crnn_mobile)
result_list []
image cv2.imread(file)
#print(image)
#image image[440:550,170:290]
#image cv2.resize(image,[300,300])
#cv2.imwrite(./2.jpg, image)
t2 time.time()
results ocr.recognize_text(images[image], # 图片数据ndarray.shape 为 [H, W, C]BGR格式use_gpuFalse, # 是否使用 GPU若使用GPU请先设置CUDA_VISIBLE_DEVICES环境变量visualizationTrue, # 是否将识别结果保存为图片文件box_thresh0.5, # 检测文本框置信度的阈值text_thresh0.5) # 识别中文文本置信度的阈值
for result in results:data result[data]for index, infomation in enumerate(data):result_list.append(infomation[text])
#print(result_list)
t3 time.time()
print(results, t2-t1,t3-t2)
